收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的股票量化交易策略研究

汪梦竹  
【摘要】:近些年来,科学技术的发展使量化投资逐渐受到人们的关注,我国目前量化投资的产品规模和策略单一,业绩表现也不尽如人意,因此,对于量化投资和模型的新方法研究很有必要,并且机器学习迅速的发展也为量化投资的发展带来了重大的机遇。SVM的基本思想是在选定相应的核函数之后,再将低维空间的分类问题转化成高维空间的分类问题,在高维空间需求间隔最大化的线性模型,使数据能够在高维空间得到划分。本文首先建立了模型误差判别公式来计算模型的误判率,进而指出了别的模型在计算误判率时的局限性,并且证明了本文提出的误判率模型相对其他的误判率有明显的改进,同时引入了交叉验证来找寻误判率的方法。本文主要是基于机器学习中SVM的分类技术,利用股票的分类指标作为分类的依据,对于股票进行分类的同时来预测股票的收益率,在获得分类结果之后,选取表现优异的股票和表现糟糕的股票构建组合,得出的收益率最后大于市场平均的收益率。在本文中,选取了900多支股票的财务指标数据,经过主成分分析后对于变量进行了特征选取,选出的特征中方差的贡献率达到了97.64%,对于选出的主成分指标,利用支持向量机中的分类技术进行分类,同时改进了高斯核函数进行寻优,得到了分类效果较好的分类机,进而得出优势股票的组合,在预测股票的收益率上,基于前人提出的三因子组合,增加参数改进三因子组合模型,得出的预测收益率明显得到了提高,这说明,本文提出的基于支持向量机的选股模型是可用的,为以后建立新的量化选股和量化预测提供了很好的借鉴。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 马旭霞;;支持向量机理论及应用[J];科学技术创新;2019年02期
2 江少杰;宁纪锋;李云松;;加权间隔结构化支持向量机目标跟踪算法[J];中国图象图形学报;2017年09期
3 李娜;孙乐;胡一楠;李笑;王亚南;;模糊型支持向量机及其在入侵检测中的应用[J];科技创新与应用;2018年11期
4 邵元海;杨凯丽;刘明增;王震;李春娜;陈伟杰;;从支持向量机到非平行支持向量机[J];运筹学学报;2018年02期
5 高钦姣;张胜刚;贾晓薇;;基于支持向量机的股票价格预测模型研究与应用[J];课程教育研究;2016年28期
6 林香亮;袁瑞;孙玉秋;王超;陈长胜;;支持向量机的基本理论和研究进展[J];长江大学学报(自科版);2018年17期
7 安悦瑄;丁世飞;胡继普;;孪生支持向量机综述[J];计算机科学;2018年11期
8 梁武;苏燕;;一种新的基于类内不平衡数据学习支持向量机算法[J];科技通报;2017年09期
9 吴青;梁勃;;分段熵光滑支持向量机性能研究[J];计算机工程与设计;2015年08期
10 牛犇;顾宏斌;孙瑾;周来;周扬;;有向无环图-双支持向量机的多类分类方法[J];计算机应用与软件;2015年11期
11 赵芳;马玉磊;;自训练半监督加权球结构支持向量机多分类方法[J];重庆邮电大学学报(自然科学版);2014年03期
12 候明;张新新;范丽亚;;四类基于支持向量机的多类分类器的性能比较[J];聊城大学学报(自然科学版);2014年03期
13 张小琴;贾郭军;;一种采用粗糙集和遗传算法的支持向量机[J];山西师范大学学报(自然科学版);2013年01期
14 黄娟;唐轶;王军霞;;贪婪支持向量机的分析及应用[J];计算机工程与应用;2012年24期
15 丁胜锋;;一种改进的双支持向量机[J];辽宁石油化工大学学报;2012年04期
16 李逢焕;;试述不确定支持向量机应用分析及改进思路[J];中国证券期货;2012年12期
中国重要会议论文全文数据库 前10条
1 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
2 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
3 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
4 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
7 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
8 刘爽;贾传荧;;一种加权支持向量机算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
9 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
10 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国博士学位论文全文数据库 前10条
1 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
2 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
3 徐芳;航空影像分割的支持向量机方法[D];武汉大学;2004年
4 蔡从中;支持向量机及其在生物材料功能研究中的应用[D];重庆大学;2003年
5 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年
6 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
7 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
8 安金龙;支持向量机若干问题的研究[D];天津大学;2004年
9 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
10 阎满富;求解分类问题的支持向量机方法与应用研究[D];中国农业大学;2005年
中国硕士学位论文全文数据库 前10条
1 郭晨晨;支持向量机算法的若干改进及其研究[D];山西师范大学;2018年
2 杨继明;基于改进支持向量机的金融指数投资策略研究[D];华中科技大学;2017年
3 李岩;基于决策树支持向量机的风电机组齿轮箱故障诊断[D];华北电力大学(北京);2018年
4 李英达;大规模非线性支持向量机算法研究[D];天津大学;2018年
5 汪梦竹;基于支持向量机的股票量化交易策略研究[D];重庆大学;2018年
6 文静;棉花除草机器人的植物叶片分类识别算法[D];重庆大学;2018年
7 乔于;大样本的线性可分支持向量机算法[D];重庆大学;2018年
8 刘雅云;基于机器学习的降水数据分析算法的研究[D];南京信息工程大学;2018年
9 焦向宁;面向油气储层综合评价的空间支持向量机模型[D];成都理工大学;2018年
10 高春钦;基于PSO优化小波支持向量机的岩土力学参数反演[D];昆明理工大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978