2020/06/02
基金績效相關研究
賴韋勝研究生 論文
論文題目：使用機器學習預測基金績效
研究生：賴韋勝
論文出版年：2019年
論文頁數：29頁
關鍵詞：基金績效、機器學習、羅吉斯迴歸、隨機森林、極限梯度提升、多層感知機、篩選變數
論文摘要：
隨著國內基金規模和數量不斷地成長，如何挑選穩定報酬且符合自身需求的基金顯得格外重要，挑選基金的過程中，選擇哪些基金特徵為未來上漲的重要變數。本研究使用機器學習模型預測基金未來上漲與否，再挑選對預測基金未來走勢的重要變數加以分析，提升對基金預測能力。
利用四種機器模型預測國內股票型基金績效，分別為羅吉斯迴歸、隨機森林、極限梯度提升和多層感知機，績效評估指標為準確率（Accuracy）、精準度（Precision）、召回率（Recall）、型一錯誤（Type I Error）和型二錯誤（Type II Error）。接著針對基金特性切分資料，依據基金特性分為成立資產、風險等級、基金成立日和投資標的，分別進入模型預測，並提出最適模型。
透過隨機森林與極限梯度提升篩選重要變數，兩者取交集為本研究的重要特徵變數，篩選變數後達到與篩選變數前的預測力相當，節省資料收集成本。最後在重要變數篩選後，利用基金特性條件下分別進行模型預測，了解各模型在篩選變數前後的變化。