论文部分内容阅读
指数增强策略作为一种主动投资和被动投资的有机结合,越来越受到投资者的关注。当前的指数投资主要是通过机器学习等方法对因子进行挖掘,忽略了财务年报等第一手信息。该文提出一种基于会计报表基本面数据和网络科学中心性研究的指数增强策略。首先通过随机森林方法选取行业指数内公司会计报表中具有代表性的指标,其次基于指标的Pearson相似性构建公司间网络,最后利用网络中心性指标选择中心性高的企业进行组合投资。在5个行业指数共计456支股票上的研究显示,该文所构造的投资组合的收益率比其指数基准收益率更高、更稳定。其中,半导