Aktienforschungsbericht-gesteuerte Anlagestrategie in Korea unter Verwendung binärer Klassifikation zur Bestimmung der Kursrichtung

Diese Forschung untersucht und schlägt eine Anlagestrategie vor, indem sie die Verarbeitung natürlicher Sprache in den in der koreanischen Finanzmarkt veröffentlichten Aktienforschungsberichten und maschinelle Lernalgorithmen für die binäre Klassifikation kombiniert. Zunächst leiten wir die Wortarten aus dem Bericht unter Verwendung von KoNLPy und Mecab ab. Dann definieren wir 33 Merkmale als Eingangsvariablen und führen die binäre Klassifikation der Kursrichtung der im Bericht empfohlenen Aktien mit verschiedenen maschinellen Lernalgorithmen durch. Beachten Sie, dass wir die Modellleistung im Detail untersuchen, indem wir den gesamten Zeitraum in drei Teilzeiträume unterteilen: vor COVID-19 für den Seitwärtsmarkt, COVID-19 für den Crashmarkt und nach COVID-19 für den extrem bullischen Markt. Wir bestätigen, dass der Random Forest der beste Klassifikator für alle Perioden ist, weshalb wir seine Ergebnisse für positiv vorhergesagte Aktien im Testset als Investitionsuniversum für die monatliche Neugewichtung und Buy-and-Hold-Investitionen nutzen. Die vorgeschlagene Strategie zeigt eine signifikant höhere Rendite als die Benchmarks während der Perioden vor COVID-19 und während COVID-19, während die vergleichbare Rendite in der Nach-COVID-19-Periode liegt.