基于新闻情绪的机器学习交易策略
China Journal of Econometrics（2022）
摘要
本文借助机器学习方法基于海量的媒体报道构造股票量化投资策略.首先通过迭代估计改进基于筛选和主题建模的文本情绪提取方法,并通过蒙特卡罗模拟验证其在情绪提取准确度上的优势;其次将其应用于2013-2020年间的沪深300指数成分股的超过100万篇新闻,并构造股票投资策略.研究结果表明:基于新闻情绪构造的交易策略在扣除交易费用后的年化收益率远超过同期市场指数收益;在保证高时效性训练集的基础上,迭代估计可以提高策略收益,且这种提升在市场剧烈波动时期更为明显;即使面对突发事件,本文策略仍可以通过提高模型更新频率以获得可观收益.拓展分析发现,策略溢价是由新闻情绪的股票收益预测能力、不同资产的信息吸收速度差异所带来的.本文策略在小市值、低换手率和低Beta的股票中表现更好,正是由于这部分股票的新闻吸收速度较慢,为基于新闻情绪的机器学习交易策略提供了套利空间.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要