PCA-Chinese Stocks

We examine the prediction performance using a principal component analysis (PCA). In particular, we perform a PCA to identify significant factors (principal components) and then use these factors to form predictions of stock price movements. We apply this strategy on the Chinese stock markets. Using data from January 2, 2019 till September 16, 2021, the empirical results show substantial out-performances from the PCA-based predictions against a naïve buy-and-hold strategy and also single time-series predictions of individual stocks

本研究借助主成分分析（Principal Component Analysis，PCA）考察预测性能。具体而言，我们首先通过主成分分析识别出具有统计学显著性的主成分因子，再依托这些因子构建股价走势预测模型。我们将该策略应用于中国股票市场，基于2019年1月2日至2021年9月16日的数据集开展实证分析。结果显示，基于主成分分析的预测模型，其表现大幅优于朴素买入持有策略，同时也优于针对单只个股的单时间序列预测方法。

搜集汇总

背景与挑战

背景概述

PCA-Chinese Stocks数据集专注于利用主成分分析（PCA）预测中国股票市场的价格走势。研究通过PCA提取关键因素进行预测，实证结果表明该策略在2019年至2021年期间的表现优于传统买入持有策略和单只股票的预测方法。