ML-Based Trading Strategy for Short-Term Price Reactions on Earnings Announcement Reports
ML-Based Trading Strategy for Short-Term Price Reactions on Earnings Announcement Reports
复制标题
基于机器学习的收益公告报告短期价格反应交易策略
DOI：
10.1109/bigdata55660.2022.10020977
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
S. Bao
中科院分区：
文献类型：
--
作者：
Y. Jin;S. Bao
收益公告报告 (EAR) 包含有关公司财务状况和经营业绩的最新信息。短期股价对此类信息反应强烈。在本文中，为了从 EAR 的短期价格反应中获得投资回报，我们使用 EAR 中的 28 个重要变量，并提出一种基于 ML 的随机森林 (RF) 交易策略 (MLTS)。结果显示，我们的策略获得了最高的最终投资回报率，达到178.1%。
An earnings announcement report (EAR) contains the latest information about a company’s financial situation and operating performance. Short-term stock price reacts strongly to such information. In this paper, to gain investment return from the short-term price reaction to EARs, we use 28 important variables from EARs and propose an ML-based trading strategy (MLTS) with random forest (RF). Results show that our strategy achieves the highest final investment return of 178.1%.