新股上市首日卖出策略研究和分析报告.pdf

[Table_Page] 金融工程|专题报告 2021 年8 月13 日 证券研究报告 [Table_Title] 图：XGBoost 策略累积收益曲线 新股上市首日卖出策略研究 [Table_Summary] 报告摘要：  新股上市首日的交易制度：随着2019 年以来 和创业板股票注册 数据来源：广发证券发展研究中心 制的逐步推行，新股在制度方面出现了一系列的变化。对于交易方面 影响较大的是，注册制新股上市首日不再设置涨跌幅。 表：XGBoost 策略累积收益  新股上市首日的日内交易可行性：由于涨跌幅限制与交易成本的存在， XGBoost 791.82% 导致很多股票日内交易的平均收益都无法覆盖交易成本。注册制新股 基准 （固定涨幅卖出） 709.03% 首日不设涨跌幅限制，日内波动大幅提升，日内卖出策略可行性提高。 数据来源：广发证券发展研究中心  简单卖出策略：考虑两类基础的卖出策略，分别为所有新股按固定时 间和按照固定涨幅卖出。分别获得最佳的卖出时间以及最佳的卖出涨 幅。 [Table_Author]  分类的卖出策略：在简单卖出策略的基础之上，考虑对新股进行分类。 在训练集中，通过比较新股日内均价和开盘价的高低，将新股分成两 类。在测试集中，对不同类别的股票采取不同的卖出策略。我们通过 一些股票特征，使用机器学习中的分类算法，对新股进行分类。  新股的特征：考虑以下四大类新股特征：基本信息特征、财务报表相 关特征、打新相关特征和股价相关特征，我们共搜集了14 个不同的新 股特征，通过这些特征对新股进行分类。  时间序列交叉验证：使用机器学习对时间序列相关数据进行训练，我 们选择了时间序列交叉验证方法。  随机森林模型：一种 Bagging 集成算法。通过随机森林模型对新股进 行分类，并分别采用不同的策略进行卖出，相较于简单卖出策略，在 多次模拟中有较高的胜率，相对于新股开盘价计算的累积收益率 （746.51% ）也要好于基准 （709.03% ），但优势不够明显。  XGBoost 模型：一种Boosting 集成算法。通过XGBoost 对新股进行 分类卖出，100 次模拟后，相对于基准的胜率是 100%，在业绩表现和 稳定性上都是所有模型中最优。最终的累积收益率为791.82%。  风险提示：本篇报告通过历史数据进行建模，但由于市场具有不确定 性，模型仅在统计意义下有望获得投资业绩。另外，本报告不构成任 [Table_Contacts] 何投资建议。 识别风险，发现价值 1 / 20