基于投资者情绪的SVM量化择时策略

发布时间：2024-03-16 04:36

　　自上个世纪70年代始,计算机信息技术的发展突飞猛进,以统计学理论为支撑,依靠计算机技术实现的量化投资得到了长足的发展。经过五十年的探索,到目前为止量化投资己占全球金融投资品种的30%以上,俨然已经成为世界金融投资行业的主要投资方式之一。对于处于金融全球化的浪潮中的中国,2004年的8月第一支公募量化投资基金出现,随后私募量化基金也飞速发展,到2021年1月底,中国的私募量化投资基金的管理规模就已经突破了 5000亿元人民币。与此同时,学习量化投资技术的浪潮开始从高校和各大基金公司中涌现,互联网中也出现了聚宽、优矿、米矿、交易开拓者等多个量化交易与学习平台,量化交易在我国金融市场中所受的关注度日益增长。本文依托我国的股票市场实际,应用目前被广泛研究的机器学习技术,构建了从量化选股到量化择时的完整量化投资策略,取得了相对不错的回测收益率。本文选取了 2009年至2020年沪深300指数成分股的年度因子和日度代理情绪数据,先应用多因子选股的方式,使用2012年到2019年的多因子选股数据,用主成分回归模型根据成分股每年预期成长能力的高低筛选出靠前的十只股票作为下一年的待择时的股票池,选好的待...

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 选题背景与意义
        1.1.1 选题背景
        1.1.2 研究意义
    1.2 研究内容与创新
        1.2.1 研究内容
        1.2.2 研究创新
    1.3 技术路线和实验方案
        1.3.1 技术路线
        1.3.2 实验方案
第二章 理论基础与文献综述
    2.1 量化投资与机器学习理论
        2.1.1 量化投资理论
        2.1.2 机器学习理论
        2.1.3 机器学习在量化投资领域的应用
    2.2 多因子选股理论
    2.3 支持向量机理论
        2.3.1 线性可分支持向量机
        2.3.2 线性不可分支持向量机
        2.3.3 核函数
    2.4 文献综述
        2.4.1 国外文献综述
        2.4.2 国内文献综述
第三章 基于投资者情绪的SVM择时策略设计
    3.1 投资对象的选择
    3.2 构建待择时股票池方案的设计
        3.2.1 因子的选取
        3.2.2 因子数据的预处理
        3.2.3 选股方法的确定
    3.3 SVM择时方案的设计
        3.3.1 择时策略的总体思路
        3.3.2 核函数的选择与参数寻优方法
        3.3.3 SVM择时模型性能的评价指标
    3.4 量化策略的评价指标
第四章 待择时股票池构建
    4.1 选股因子相关性分析及因子分析可行性检验
        4.1.1 选股因子数据的预处理
        4.1.2 因子分析可行性检验
    4.2 待择时股票池的构建及选股有效性验证
        4.2.1 多因子主成分的确定
        4.2.2 多因子选股模型与股票池的构建
        4.2.3 选股有效性验证
第五章 情绪特征的构建
    5.1 投资者情绪代理变量的选取与描述性统计
        5.1.1 代理变量的选取
        5.1.2 代理变量的描述性统计
    5.2 投资者情绪特征的构建
        5.2.1 投资者情绪代理变量的数据处理
        5.2.2 利用主成分降维构建投资者情绪特征
第六章 基于投资者情绪的择时策略的实施与回测
    6.1 SVM分类标签的确定
    6.2 SVM模型参数寻优及训练
        6.2.1 SVM参数寻优
        6.2.2 SVM模型训练
        6.2.3 模型训练结果评价
        6.2.4 参数寻优有效性验证
    6.3 择时策略的模拟交易回测
        6.3.1 下跌期
        6.3.2 上涨期
        6.3.3 震荡期
第七章 研究结论与展望
    7.1 研究结论
    7.2 不足与展望
致谢
参考文献
附录



本文编号：3929124