×
纪尧姆科克雷特；托尼·吉达

使用应用程序在尾部训练树以选择投资组合。 （英语） Zbl 1436.62489号

安·Oper。物件。 288，第1期，181-221（2020）.
摘要：在本文中，我们研究了在拟合回归树时截断训练数据的影响。我们认为，只要预测模型是基于尾部也就是说，当从训练样本中丢弃“平均”观察值时。过滤实例会影响为产生分割而选择的特征，并且通过支持对因变量具有单调影响的预测因子，可以帮助减少过拟合。我们在投资组合选择的样本外练习中测试了这一技术，这表明了它的优点。我们的结果对耗时的任务（如超参数调整和验证）具有决定性意义。

MSC公司：

62P05号 统计学在精算学和金融数学中的应用
62C25型 统计决策理论中的复合决策问题
62M20型 随机过程推断和预测
91B84号 经济时间序列分析

关键词：

决策树；过滤训练集；要素投资；投资组合选择；特征选择

软件：

XGBoost公司
PDF格式BibTeX公司 XML格式引用
\textit｛G.Coqueret｝和\textit｛T.Guida｝，Ann.Oper。第288号决议，第1号，第181--221号（2020年；Zbl 1436.62489）
全文： 内政部

参考文献：

[1] 阿里？G；Yaman，K.，《使用大型零售数据集训练支持向量回归模型选择行和列》，《欧洲运筹学杂志》，226，3，471-480（2013）·Zbl 1292.62096号
[2] M.阿曼。；Coqueret，G。；Schade，J-P，基于特征的杠杆约束投资组合选择，《银行与金融杂志》，70，23-37（2016）
[3] Asness，C。；弗拉齐尼，A。；以色列，R。；TJ莫斯科维茨；佩德森，LH，如果你能控制垃圾，那么大小很重要，《金融经济学杂志》，129,3479-509（2018）
[4] Asness，CS；弗拉齐尼，A。；以色列，R。；Moskowitz，TJ，《事实、虚构和动量投资》，《投资组合管理杂志》，40，5，75-92（2014）
[5] Asness，CS；弗拉齐尼，A。；Pedersen，LH，《质量减去垃圾》，《会计研究评论》，24，1，1-79（2014）
[6] 贝克，M。；布拉德利，B。；Taliaferro，R.，《低风险异常：分解为微观和宏观效应》，《金融分析师杂志》，70，2，43-58（2014）
[7] Ballings，M。；Van den Poel，D。；赫斯皮尔斯，N。；Gryp，R.，《评估多分类器用于股价方向预测》，《应用专家系统》，42，20，7046-7056（2015）
[8] 巴罗佐，P。；Santa-Clara，P.，Momentum has its moments，《金融经济学杂志》，116，1，111-120（2015）
[9] Bertsimas博士。；Dunn，J.，最优分类树，机器学习，106，7，1039-1082（2017）·Zbl 1455.68159号
[10] 勃兰特，MW；圣克拉拉，P。；Valkanov，R.，《参数投资组合政策：利用股票回报横截面的特征》，《金融研究评论》，22，9，3411-3447（2009）
[11] 布雷曼，L。；弗里德曼，J。；斯通，CJ；Olshen，R.，分类和回归树（1984），伦敦：查普曼和霍尔出版社，伦敦·Zbl 0541.62042号
[12] Chandrashekar，G。；Sahin，F.，《特征选择方法的调查》，计算机与电气工程，40，1，16-28（2014）
[13] Chen，T.和Guestrin，C.（2016）。Xgboost：一个可扩展的树增强系统。第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集（第785-794页）。ACM公司。
[14] Chou，PA，分类树和回归树的最优划分，IEEE模式分析和机器智能汇刊，4340-354（1991）
[15] Daniel，K。；莫斯科维茨，TJ，Momentum crashes，《金融经济学杂志》，122，2，221-247（2016）
[16] 德米格尔，V。；加拉皮，L。；Uppal，R.，《最优多元化与天真多元化：1/n投资组合策略的效率有多低？》？，《金融研究评论》，第22期，第5期，1915-1953年（2007年）
[17] 埃斯波西托，F。；Malerba，D。；Semeraro，G.，《剪枝决策树方法的比较分析》，IEEE模式分析与机器智能学报，19，5，476-491（1997）
[18] Fama，EF；French，KR，《预期股票回报的横截面》，《金融杂志》，47，2，427-465（1992）
[19] Fama，EF；French，KR，五因素资产定价模型，《金融经济学杂志》，116，1，1-22（2015）
[20] Fu，X.、Du，J.、Guo，Y.、Liu，M.、Dong，T.和Duan，X.（2018）。股票选择的机器学习框架。预印arXiv:1806.01743。
[21] Galili，T.和Meilijson，I.（2016）。分裂很重要：预测变量的单调变换如何改进决策树模型的预测。预印arXiv:1611.04561·Zbl 07665857号
[22] Goyal，A.，《实证横截面资产定价：调查》，《金融市场与投资组合管理》，第26、1、3-38页（2012年）
[23] 格林，J。；手，JR；Zhang，XF，收益预测信号的超视角，会计研究综述，18，3，692-730（2013）
[24] Gu，S.、Kelly，B.T.和Xiu，D.（2019年）。通过机器学习的经验资产定价。金融研究综述（即将推出）
[25] Guida，T.和Coqueret，G.（2018年）。集成学习应用于数量公平：多因素框架中的梯度提升。《定量投资中的大数据和机器学习》（第129-148页）。威利。
[26] 盖恩，I。；Elisseeff，A.，《变量和特征选择简介》，《机器学习研究杂志》，3，3月，1157-1182（2003）·Zbl 1102.68556号
[27] CR哈维，《总统演讲：金融经济学的科学展望》，《金融杂志》，72，4，1399-1440（2017）
[28] CR哈维；刘，Y。；朱，H。。。以及预期回报的横截面，《金融研究评论》，29，1，5-68（2016）
[29] 哈斯蒂，T。；Tibshirani，R。；Friedman，J.，《统计学习的要素》（2009），柏林：施普林格出版社，柏林·Zbl 1273.62005年
[30] 哈克，N.，《大数据集和机器学习：统计套利的应用》，《欧洲运筹学杂志》，278，1，330-342（2019）·Zbl 1414.91435号
[31] 英国电信公司Kelly；普鲁特，S。；Su，Y.，特征是协变量：风险和回报的统一模型，《金融经济学杂志》，134，3501-524（2019）
[32] Koijen，RS；Yogo，M.，《资产定价的需求系统方法》，《政治经济学杂志》，127，4，1475-1515（2019）
[33] Köksalan，M。；⑩akar，CT，基于随机规划的投资组合优化的交互式方法，运筹学年鉴，245，1-2，47-66（2016）·Zbl 1349.91246号
[34] 克劳斯，C。；Do，XA；哈克，N.，《深层神经网络、梯度增强树、随机森林：标准普尔500指数的统计套利》，《欧洲运筹学杂志》，259，2，689-702（2017）·Zbl 1395.91514号
[35] 库恩，M。；Johnson，K.，《特征工程与选择：预测模型的实用方法》（Feature engineering and selection:A practical approach for predictive models）（2019年），伦敦：查普曼和霍尔/CRC出版社，伦敦
[36] Linnainmaa，JT；Roberts，MR，股票回报横截面的历史，《金融研究评论》，31，7，2606-2649（2018）
[37] 刘，H。；Motoda，H.，《知识发现和数据挖掘的特征选择》（2012），柏林：施普林格出版社，柏林
[38] Loh，W-Y，《提高分类树的精度》，《应用统计年鉴》，3，4，1710-1737（2009）·Zbl 1184.62109号
[39] 洛佩兹，O。；Milhaud，X。；Thérond，P-E，基于树的删失回归及其在保险中的应用，《电子统计杂志》，10，2，2685-2716（2016）·Zbl 1345.62127号
[40] Moritz，B.和Zimmermann，T.（2016）。基于树的条件投资组合排序：过去和未来股票回报之间的关系。SSRN工作文件2740751。
[41] 诺鲁齐，M.、柯林斯，M.，约翰逊，M.A.、弗利特，D.J.和科尔利，P.（2015）。决策树的高效非贪婪优化。《神经信息处理系统的进展》（第1729-1737页）。
[42] Novy-Marx，R.，动量真的是动量吗？，《金融经济学杂志》，103，3，429-453（2012）
[43] Pätäri，E。；Leivo，T.，《价值溢价的进一步研究：文献综述与综合》，《经济调查杂志》，31，1，79-168（2017）
[44] 帕特尔，J。；沙阿·S。；Thakkar，P。；Kotecha，K.，《使用趋势确定性数据准备和机器学习技术预测股票和股价指数走势》，《应用专家系统》，42，1，259-268（2015）
[45] 罗曼诺，JP；Wolf，M.，《预期资产回报单调性测试》，《实证金融杂志》，23，93-116（2013）
[46] Sasane，A.，《功能空间优化》（2016），米诺拉：Courier Dover Publications，米诺拉市·Zbl 1348.90002号
[47] Settles，B.，主动学习，人工智能和机器学习综合讲座，6，1，1-114（2012）·Zbl 1270.68006号
[48] 斯塔尔，F。；Bramer，M.，Jmax-pruning:模块化分类规则的信息理论修剪工具，基于知识的系统，29，12-19（2012）
[49] 斯坦博，RF，预测回归，《金融经济学杂志》，54，3，375-421（1999）
[50] 范迪克，马萨诸塞州，size死了吗？《股本回报中的规模效应综述》，《银行与金融杂志》，35，12，3263-3274（2011）
[51] Yan，Z.、Chen，Z..、Consigli，G.、Liu，J.和Jin，M.（2019年）。一种基于连接函数的多周期投资组合问题场景树生成算法。运营研究年鉴（第1-33页）·Zbl 1457.91354号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。