智能财务决策教学课件第四章 智能选股投资决策.pptx

第四章智能选股投资决策

本章内容

第一节股票投资策略概述

第二节智能选股模型指标体系的构建第三节智能选股算法介绍

第四节基于Scikit-learn的智能选股实证分析

本章学习目标

1.了解价值型投资策略、成长型投资策略和价值成长投资策略的定义和内涵；

2.了解智能选股模型指标体系的构建过程；

3.了解决策树、随机森林、主成分分析等算法的应用场景；4.掌握使用Python进行数据预处理的主要过程和函数；

5.掌握使用随机森林算法进行模型的训练和预测；6.掌握使用主成分分析法进行变量的降维过程。

第一节股票投资策略概述

一、价值型投资策略

（一）价值型投资策略概述

价值型投资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的公司，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。

代表理论：格雷厄姆（BenjaminGraham）价值投资理论

核心过程：先评估某一股票的内在价值，并将其与股票当前交易价格相比较。如果股票当前交易价格低于股票内在价值，并能获得足够的安全边际，就买入该证券，进而投资获利。

第一节股票投资策略概述

一、价值型投资策略

（二）传统价值投资的理论缺陷

1.传统价值投资理论过于强调股票的内在价值，而忽视股票的成长性，这会在投资中错过投资机会

2.传统价值投资理论主张集中投资，反对分散投资，提升了投资者的投资风险

3.传统价值投资理论的投资决策可操作性较差

4.传统价值投资理论在中国股票市场的适用性存在一定的问题

第一节股票投资策略概述

二、成长型投资策略

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。

代表理论：欧文·费雪(IrvingFisher)的资本价值理论。

核心过程：成长型投资者关注于市盈率的分母部分，也就是每股收益及与其相关的经济因素。成长型投资者关注公司当前和未来的经营和利润增长前景，尤其偏好各种看起来很美的概念和故事，但并不过多在意当前的估值水平。这一点正好和价值型投资策略相反。

第一节股票投资策略概述

三、价值成长投资策略

主要考察上市公司的两个重要的指标一是市净率，二是资产收益率。

核心理论：沃伦·巴菲特(WarrenBuffett)将格雷厄姆

（BenjaminGraham）和费雪(IryingFisher)的价值投资理论彻底融合

核心过程：首先选出一个基本面较好的低市净率的股票组合，这是衡量上市公司内在价值的价值型思想。在此基础上，考察上市公司的净资产收益率，通过低市净率和高净资产收益率的结合，最终构建GARP组合。GARP策略可以兼顾到两个方面获得比较稳定的预期收益。

第二节智能选股模型指标体系的构建

一、影响因子构建

将该行业全体股票的加权平均，计算行业前12个月的月平

均涨跌幅，公式如下：

第二节智能选股模型指标体系的构建

第二节智能选股模型指标体系的构建

第三节智能选股算法介绍

一、随机森林的基分类器――决策树

决策树可视为一个树状模型，树中包括三种节点：根节点、中间节点、叶子节点。决策树的生成采用自顶向下的递归方式，在决策树的中间结点进行属性值的比较并根据不同的属性值判断从该结点向下的分支。

决策树分类存在的问题：

（1）分类规则复杂

（2）容易收敛到非全局的局部最优解

（3）过度拟合

第三节智能选股算法介绍

第三节智能选股算法介绍

二、随机森林的构建过程

（二）构建每棵决策树

1.节点分裂

节点分裂是算法的核心步骤，通过节点分裂才能产生一棵完整的决策树。每棵树的分支的生成，都是按照某种分裂规则选择属性，这些规则主要包括信息增益最大、信息增益率最大和Gini系数最小等原则，不同的规则对应不同的分裂算法。

第三节智能选股算法介绍

第三节智能选股算法介绍

二、随机森林的构建过程

（三）森林的形成及算法的执行

第三节智能选股算法介绍

二、随机森林的构建过程

（四）Python中随机森林函数说明1.RandomForestClassifier函数说明

类别

参数

说明

Bagging框架

n_estimators

Bootstrap

是否放回抽样

oob_score

决定是否使用袋外样本

控制决策树的10个参数

Criterion

（函数）

max_features

max_depth

每棵子树的最大深度

min_samples_split

分割内部节