基于神经网络分类算法的事件驱动型多因子选股策略优化与实证研究

一、引言

1.1研究背景与意义

在金融市场的投资领域，量化投资近年来发展迅猛，已经成为金融研究和实践的重要方向。量化投资借助数学模型和计算机算法，能够对海量的金融数据进行高效处理和分析，从而识别投资机会、管理投资风险，为投资者提供更加科学、客观的投资决策依据。随着计算机技术和金融理论的不断发展，量化投资在全球金融市场中的应用日益广泛，市场份额也逐步扩大。

多因子选股策略作为量化投资的核心策略之一，通过选取多个对股票收益有影响的因子，如财务指标、市场指标等，构建选股模型，旨在从众多股票中筛选出具有较高预期收益的股票。多因子选股策略在