机器学习对中特估股票关键特征选取的应用与研究
文章目录
- 概要
- 研究背景
- 研究流程与方法
- 算法实现
- 总结
概要
技术知识：Python、随机森林、PCA、XGBOOST、皮尔逊相关系数、股票分析、评估方法
本文主要基于巨潮资讯网的股票数据，包含50支中国特色估值体系股票（中特股）和50支普通股票作为样本，提取了这些公司2022年的年度财务数据，涵盖23个关键财务特征。这些特征被认为是初步影响股票走势的重要因素。为了深入分析中特估股票的独特性，将会构建特征指标体系，并通过主成分分析对数据进行降维，筛选出对股票估值有显著影响的核心特征。随后，利用皮尔逊相关系数分析这些关键特征与中特估股票之间的相关性，进一步确认其关联程度。最后，采用随机森林模型对股票数据进行效果评估，研究结果显示测试集的准确率达到85%，AUROC和AUPRC指标分别为0.87和0.83，验证了所选特征指标及研究方法的科学性和有效性。
研究背景
中国特色估值体系是构建中国特色现代资本市场的核心环节之一，它契合新发展需求，基于对中国市场的深刻理解，能精准捕捉上市公司估值逻辑，形成独特框架。作为该体系核心元素的中特股，在资本市场建设、投资决策等方面影响深远，因此深入研究其股票特征选取十分重要。
随着数据技术和机器学习算法的发展，算法交易和量化投资成股票市场热点。例如，张训韬等人用 XGBoost 排序股票金融特征，结合 LSTM 模型预测收盘价，效果良好；张倩玉扩充特征参数，经系统聚类和主成分分析降维，降低了模型误差；付嘉华针对股票数据特性，用主成分分析降维后，通过组合模型分类预测，准确率达 81.2%；李希尧选取 20 个关键指标，实现优质股票有效聚类。不过，当前针对中特估股票的研究不足，未来需加强以提供更全面指导。
研究流程与方法
数据来源于巨潮资讯网行情中心（截止至2024年1月）的100支股票数据（50支中特估股票和50支普通股票，共包含23个财务特征），部分原始数据如表1，财务特征如表2。
首先对数据进行缺失值与异常值检测，其中异常值与缺失值的个数为0，故无需进行删除等操作。由于数据中每个特征的量纲不同，需对数据进行标准化处理。
算法实现
采用主成分分析的降维方法和皮尔逊相关系数，同时引入XGBoost和随机森林模型等技术，对股票数据进行综合性的分类分析。
- 主成分分析法:
注意：本文选择累计贡献率达85%以上的主成分进行综合分析,并选取这些主成分中系数值最大的特征作为该主成分代表性指标。
- 皮尔逊相关系数:
算法逻辑方法如下：
采用主成分分析方法，对包括24个财务数据指标的训练数据进行降维分析，获得主成分个数与累计方差解释率的关系图：
其中提取前9个主成分，其累计方差解释率达到了85%以上，根据各主成分中各特征指标的贡献得分高低（荷载系数）筛选出9个主成分中的代表性特征指标，具体指标如下：
接着利用可视化进行分析：
相较于普通股票，中特估股票对应的公司在净资产收益率、营业总收入增长率、净资产增长率上更优，尤其存货周转率差异显著，显示其运营和盈利表现更出色。但普通股票企业在流动比率、应收账款周转率等指标上更胜一筹，这暗示中特估股票企业可能存在资产流动性不足问题。因多数中特估股票企业是规模庞大的国有企业，资产流动性差，这也是其资产负债比率较高的主因。
基于随机森林模型，通过网格搜索方法进行模型参数调优后，测试集的中特估股被识别出的准确率高达85%。其中AUROC、AUPRC与F1指标分别达到0.87、0.83与0.84，具备较高的准确性和召回率。
总结
中特估股票具有估值较低、内在收益率高、股价涨幅稳定、波动性小的特点，其发行企业多为大型国企，经营态势良好、盈利稳定，有长期投资潜力。本研究以巨潮资讯网行情中心股票数据为基础，构建中特估股票特征指标体系，通过主成分分析和皮尔逊相关系数分析，识别出 9 个对股票估值影响最显著的关键特征指标。随后引入随机森林模型，分析评估这些指标的应用效果，验证了其在中特估股票分类中的有效性。
参考：《基于机器学习的中特估股票关键特征选取及应用研究》