投资排序挑战：基于半年度收益识别表现最佳的股票
统计金融
2019-06-21 v1 机器学习
摘要
在2018年IEEE投资排序挑战中，参与者被要求构建一个模型，基于股票在前向六个月窗口内的收益来识别表现最佳的股票。提供了1996年至2017年一组匿名股票的匿名金融预测因子和半年度收益，这些数据被划分为42个不重叠的六个月周期。2017年下半年用作模型性能的样本外测试。使用的指标为斯皮尔曼秩相关系数和模型预测排序前20%的归一化折损累积增益(NDCG)。排名前六的参与者受邀描述他们的方法。所采用的解决方案多种多样，基于选择数据子集进行训练、深度与浅层神经网络的组合、不同的提升算法、具有不同特征集的不同模型、线性支持向量机、卷积神经网络(CNN)与长短期记忆(LSTM)的组合。
引用
@article{arxiv.1906.08636,
title = {Investment Ranking Challenge: Identifying the best performing stocks based on their semi-annual returns},
author = {Shanka Subhra Mondal and Sharada Prasanna Mohanty and Benjamin Harlander and Mehmet Koseoglu and Lance Rane and Kirill Romanov and Wei-Kai Liu and Pranoot Hatwar and Marcel Salathe and Joe Byrum},
journal= {arXiv preprint arXiv:1906.08636},
year = {2019}
}