寻找明日的领导者：使用机器学习预测 S&P 500 的纳入与剔除
投资组合管理
2024-12-18 v1
摘要
本研究应用机器学习来预测 S&P 500 成分股变动：这是深刻影响投资者行为和市场动态的关键事件。我们使用了自 2013 年起 WRDS 数据集的季度数据，纳入了行业分类、财务数据、市场数据以及公司治理指标等特征。使用 Random Forest 模型，我们实现了 0.85 的测试 F1 分数，优于逻辑回归和 SVC 模型。本研究不仅展示了机器学习在金融预测方面的能力，还通过 SHAP 分析和特征工程强调了模型的透明度。该模型在现实世界中的适用性通过 2023 年第三季度的预测变动得到了证明，例如 Uber (UBER) 的纳入和 SolarEdge Technologies (SEDG) 的剔除。通过将这些预测纳入交易策略，即买入宣布纳入的股票并做空标记为剔除的股票，我们期望能够捕获 alpha 并增强投资决策，为指数动态提供有价值的见解。
引用
@article{arxiv.2412.12539,
title = {Hunting Tomorrow's Leaders: Using Machine Learning to Forecast S&P 500 Additions & Removal},
author = {Vidhi Agrawal and Eesha Khalid and Tianyu Tan and Doris Xu},
journal= {arXiv preprint arXiv:2412.12539},
year = {2024}
}