基于朴素贝叶斯分类的多因子选股

Posted 2021-04-25 私募工场

私募工场，基金经理潜修之地

编辑：私募工场，转载请联系客服，了解转载方式

你和我之前的人生，

就像是来自同一个分布族的共轭曲线，

即使有各自的参数空间，

也注定要相识相念。

你和我之后的人生，

是我们相扶相持下不离不弃的最大似然，

用“信任与珍惜”的先验去修正所有后验，

用“包容和分享”的样本去做无悔一生的推断。

这是朴素的贝叶斯思想，

也是我们朴素的爱情宣言

贝叶斯(Thomas Bayes,1701—1761)，这个十八世纪伦敦的长老会牧师和业余数学家，41岁时因介绍并捍卫牛顿的微积分学而加入英国皇家学会。 他曾经为了证明上帝的存在，发明了概率统计学原理，虽然他这一美好愿望至死也未能实现，生前也并没有发表过自己的数学学说。但是，贝叶斯逝世后，好友Richard Price搜集了他的手稿，使概率统计学的贝叶斯理论终于公布于世的。可能贝叶斯生前也并未预料，自己作为业务数学家的手稿竟在一百多年后对二十世纪后的各类现代科学一次次地推波助澜，使得无数现代科学家不得不回头学习贝叶斯理论将其纳入自己的研究体系。

所谓的贝叶斯方法源于他生前为解决一个“逆概”问题写的一篇文章，在贝叶斯写这篇文章之前，人们已经能够计算“正向概率”，如“假设袋子里面有N个白球，M个黑球，你伸手进去摸一把，摸出黑球的概率是多大”。而一个自然而然的问题是反过来：“如果我们事先并不知道袋子里面黑白球的比例，而是闭着眼睛摸出一个（或好几个）球，观察这些取出来的球的颜色之后，那么我们可以就此对袋子里面的黑白球的比例作出什么样的推测”。这个问题，就是所谓的逆概问题。

今天我们用贝叶斯方法训练多因子来选股

首先我们选取4个因子（x1,x2,x3,x4）,取各因子最近一年每个交易日选股结果股票池，并记录选出股票的次日涨跌情况。次日涨幅大于1%标记为1，否则标记为0.形成训练样本矩阵P。用贝叶斯分类训练样本数据集，收盘后用因子选股，用训练好的贝叶斯分类器分类筛选出次日有较大概率涨幅大于1%的股票：

2017年1月19日加入最新行情数据，分类结果如下：

备注：选股结果为模型计算结果，不构成投资建议。【完】

点击“阅读原文”查看全国私募分布