基于支持向量机（SVM）股票择时策略的研究

发布时间：2021-11-17 22:06

　　量化投资作为新兴的一种投资思想和投资方式,以数据为基础、投资策略为脉络、以模型为核心,正以其严谨的客观逻辑、精确、快速的交易方式的特点,获取总体稳定的收益和出色的风险控制能力赢得研究人员和市场越来越多的关注。而近年来,随着我国经济的快速发展,证券市场不断壮大,股票市场也越加的繁荣。投资者不仅面临着巨大的机遇,同时也面临着高风险。股票市场具有的复杂、非线性的特点,使得传统投资分析方法面临不小的挑战。而量化投资结合大数据形成的投资策略和方法在证券市场上优势也日益凸显。本文选取自2013年07月01日至2018年07月10日的平安银行股票数据作为研究对象,共有1228个股票交易日,选取共三十八个特征因子作为研究对象,结合数据标准化和主成分分析法,将特征因子进行降维处理,以第二天涨跌为输出数据,进行模式识别,最终建立针对该只股票数据的时间序列支持向量机预测模型。在处理过程中,对PCA-SVM模型通过网格搜索法进行参数优化。针对建立的模型,本文选取样本内外数据的预测准确率、精确率、召回率和f1-score作为衡量指标,对模型进行比较。根据模型形成的投资策略进行回测,结果表明量化投资策略能获取较市... 

【文章来源】：江西财经大学江西省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

机器学习模型示意图

SRM（StructureRiskMinimization）示意图

二维线性可分的情况

【参考文献】：
期刊论文
[1]我国非上市公司信用风险度量的研究——基于期权定价PFM模型和支持向量机SVM回归分析[J]. 刘艳春,崔永生.  辽宁大学学报(哲学社会科学版). 2016(06)
[2]基于GARCH-SVM和AR-SVM的个股涨跌预测[J]. 韩瑜,刘淑环.  大连海事大学学报(社会科学版). 2016(03)
[3]基于支持向量机算法的股市拐点预测分析[J]. 李海燕.  郑州大学学报(哲学社会科学版). 2015(01)
[4]基于网络舆情支持向量机的股票价格预测研究[J]. 张世军,程国胜,蔡吉花,杨建伟.  数学的实践与认识. 2013(24)
[5]Q-高斯核支持向量机的财务危机预报[J]. 刘遵雄,黄志强,晏峰,张恒.  计算机应用. 2013(06)
[6]一种改进的基于DE-SVR的上证指数预测模型[J]. 查进道.  统计与决策. 2012(23)
[7]基于小波分析和PSO-SVM的控制图混合模式识别[J]. 兰秀菊,张丽霞,鲁建厦,陈呈频.  浙江工业大学学报. 2012(05)
[8]基于支持向量机的关键因素拟合指数化投资方法[J]. 倪丽云,沈传河,王向荣.  统计与决策. 2012(12)
[9]改进的支持向量机石油期货价格预测模型研究[J]. 张玉,何佳,尹腾飞.  计算机仿真. 2012(03)
[10]基于改进的支持向量回归机的金融时序预测[J]. 陈懿冰,张玲玲,聂广礼,石勇.  数学的实践与认识. 2012(04)



本文编号：3501717