使用随机森林算法实现优质股票的选择-首都经济贸易大学学报.PDF

学报 ２０１４年第２期　 使用随机森林算法实现优质股票的选择 １ １ ２ 曹正凤 ，纪　宏 ，谢邦昌 （１首都经济贸易大学　统计学院，北京　１０００７０；２台湾辅仁大学　统计资讯学系，台湾　新北　２４２０５） 摘　要：文章通过比较分析价值策略和成长策略，提出了以价值成长投资策略 （ＧＡＲＰ）理念为基础 的选股模型指标体系，选用了２０１２年１月至２０１３年２月间３６０多支股票的４４０６个样本数据，通过等频 算法对数据进行离散化预处理后，使用随机森林算法实现了较高正确率的股票分类，投资者可以据此判 断是否继续持有股票。通过分析优选后的股票在行业平均收益、最值方面的实际表现，验证了该量化选 股模型性能优异。 关键词：随机森林；股票选择；股票投资；价值成长投资策略 中图分类号：Ｆ２２４９　　文献标志码：Ａ　　文章编号：１００８－２７００（２０１４）０２－００２１－０７ 一、问题的提出 选择优质股票是股票投资中的关键环节，是进行投资组合的重要前提。所谓优质股票是指那些成长 性优异、投资回报丰厚以及抗风险能力良好的股票，这些股票的价格在市场中表现为：在熊市中，其下 跌幅度低于行业平均水平；在牛市时，其上涨超过行业平均水平。所有的投资者和机构都希望投资于优 质股票。然而，由于股票价格受多种因素的影响，表现出 “没有规律”的随机游动特性，选择优质股票 成为可望而不可及的事情。 从技术上看，股票的选取可以归结影响股票价格的多因素分析问题，其中每一个因素可以看作一个 维度的指标，这样股票的价格就由多个维度的指标体系决定，从众多的股票中选取优质的股票，就归结 为大量信息的统计分析，其本质是一个多维空间的分类问题。 该分类问题涉及两个方面，一是影响股票价格的维度选择，即指标体系的构建；另一个是分类算法 的选择，即选择模型分类算法的确定。本文拟以价值成长投资策略 （ＧＡＲＰ）为基础，提出一种新型的综 合性的选股模型指标体系，使用随机森林算法，构建量化选股模型，解决股票投资中选择优质股票的实 际问题。 二、选股模型指标体系的构建 确定选股模型的指标体系，首先需要解决股票投资领域一个争论不止的问题———使用什么样的投资 收稿日期：２０１３－１２－１２ 基金项目：国家自然科学基金面上项目 《基于预测建模的宏观经济时间序列结构变化研究》（项目编 作者简介：曹正凤 （１９７９－　），男，首都经济贸易大学统计学院实验师，博士研究生，研究方向为统计理论研究；纪宏 （１９５４－　），男， 首都经济贸易大学统计学院教授，博士生导师，研究方向为统计学基础理论、宏观经济系统分析；谢邦昌 （１９６２－　），男，台湾辅仁大学 商学研究所，台湾辅仁大学教授，博士生导师，中国人民大学统计学系ＤａｔａＭｉｎｉｎｇ中心客座教授，上海财经大学统计学系客座教授，商学 研究所所长。 ２１ 策略，因为投资策略使用决定了指标体系构建。 （一）两种相互对立的投资策略 １传统的价值型投资策略。该策略倡导一种理性的投资思路和选股标准———价值投资，其思想是通 过对股票基本面的分析，寻找具有更好价值因子且交易价格低于内在价值的公司，以期获得超过市场平 均收益额。价值因子包括市盈率、市净率和市销率。该投资策略的代表理论有Ｇｒａｈａｍ的价值投资理论和 Ｗｉｌｌｉａｍｓ的投资价值理论。 ２积极的成长型投资策略。该策略倾向投资于销售收入与盈余率等成长因子高于市场平均水平、 处于快速发展阶段的上市公司股票，通过其高速成长带来未来股价上涨而从中获利。成长因子指净 利润增长率、ＲＯＥ增长率和ＲＯＡ增长率等。其代表理论有艾尔文 ·费雪 （ＩｒｙｉｎｇＦｉｓｈｅｒ）的资本价值 理论。 ［１－２］ （二）价值成长投资策略 （ＧＡＲＰ） 就在人们为选择价值型还是成长型投资策略争论不休时，“股神”沃伦 ·巴菲特将格雷厄