摘要
基本面量化投资是近年来金融科学和量化投资领域研究的新热门。身为人工智能的标志性科技,机器学习可以提高在财经和管理理论领域中估计类科学研究的有效性。论文系统性地利用机器学习技术,来提高在基本面定量投资中的股市收益率预测模块。根据 1997年 1月至 2018年 10月在A股金融市场的 96项异象因子,论文通过估计组合算法、Lasso返回、岭返回、弹性网络返回、偏小二乘法回归、支持向量机,阶梯提高树、极端阶梯提高树、集成神经网络、深度前馈网络、循环神经网络和中短期记忆网络系统等十二项机器学习算法,建立了股市收益率预测模块和投资组合。
