基于机器学习的股票特征预测机构持股研究  

作　　者：孙世轩 潘格格 

机构地区：[1]天津财经大学统计学院

出　　处：《金融经济》2019年第20期37-41,共5页Finance Economy

摘　　要：本文基于2006年-2017年沪深300中141支高机构持股比例的股票数据进行实证研究,分析机构增持股的CAR,建立集成SVM,Random Forest,XGBoost三大机器学习算法的多数投票分类器,利用上市公司13个财务和非财务特征数据预测机构投资者在季度末的增减持行为,根据shaply value分析机构持股偏好。结果表明:机构增持股在季度报披露前具有正CAR,分类器增减持分类预测准确率最高达88. 89%,总资产周转率,净资产收益率和市净率对机构持股影响显著。这表明机构增持股能获取超额回报,机构择股能力强,持股行为具有可预测性,持股偏好具有可识别特征。个人投资者可以在季度末利用分类器预测机构持股行为,在季度报披露前跟进以获取超额回报。

关 键 词：超额收益 股票特征 机构持股 机器学习 shaplyvalue 

分 类 号：F832.51[经济管理—金融学] F224