基于支持向量機(jī)的量化擇時(shí)策略及實(shí)證研究.pdf

1、密級(jí)公開分類號(hào)碩士學(xué)位論文作者：作者：黑體黑體4號(hào)指導(dǎo)教師：指導(dǎo)教師：陳健教授申請學(xué)位學(xué)科：申請學(xué)位學(xué)科：2017年5月3日XI’ANTECHNOLOGICALUNIVERSITY題目:基于支持向量機(jī)的量化擇時(shí)策略及實(shí)證研究金融學(xué)宋文達(dá)宋文達(dá)基于支持向量機(jī)的量化擇時(shí)策略及實(shí)證研究基于支持向量機(jī)的量化擇時(shí)策略及實(shí)證研究學(xué)科：金融學(xué)研究生簽字：研究生簽字：指導(dǎo)導(dǎo)師簽字：指導(dǎo)導(dǎo)師簽字：摘要谷歌AlphaGo帶來的人工智能的風(fēng)暴，正在橫掃各個(gè)行

2、業(yè)，同樣也會(huì)對(duì)金融投資行業(yè)產(chǎn)生深遠(yuǎn)的影響。而現(xiàn)實(shí)中量化投資和程序化交易，已經(jīng)成為很多金融市場中機(jī)構(gòu)投資者的常規(guī)操作模式。量化投資以其理性客觀、決策效率高、信息處理能力強(qiáng)等特點(diǎn)越來越受到學(xué)術(shù)界與投資實(shí)務(wù)界的重視。而量化擇時(shí)策略是量化投資策略的一個(gè)重要分支。支持向量機(jī)（SVM）是一種機(jī)器學(xué)習(xí)算法，彌補(bǔ)了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的多項(xiàng)不足，在解決模式識(shí)別和回歸問題時(shí)性能優(yōu)越。對(duì)于SVM，國內(nèi)在金融領(lǐng)域的研究主要用于金融時(shí)間序列預(yù)測，還沒有與量化擇

3、時(shí)策略相結(jié)合的研究，而且在研究的過程中主要是側(cè)重對(duì)SVM方法和應(yīng)用的研究，往往忽視了策略本身。針對(duì)于以上問題，本文通過研究現(xiàn)有的量化擇時(shí)策略和SVM算法，結(jié)合兩者的優(yōu)勢，構(gòu)建基于SVM的量化擇時(shí)策略。首先，本文介紹量化投資的相關(guān)概念，簡要梳理量化投資在國內(nèi)外的發(fā)展?fàn)顩r；給出量化擇時(shí)策略的定義、分析其特點(diǎn)并對(duì)現(xiàn)有的量化擇時(shí)策略進(jìn)行了分類。其次，從機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)理論等六個(gè)方面對(duì)SVM的相關(guān)理論進(jìn)行較為全面深入的研究。接下來，系統(tǒng)的構(gòu)建基

4、于SVM的量化擇時(shí)策略，主要有兩大部分，一是基于SVM擇時(shí)策略的構(gòu)建，二是策略模型算法的設(shè)置。最后，運(yùn)用中國石油、浦發(fā)銀行、滬深300指數(shù)、中證500指數(shù)和創(chuàng)業(yè)板指指數(shù)的各600組、時(shí)間跨度約兩年半的數(shù)據(jù)進(jìn)行訓(xùn)練與測試，分析驗(yàn)證策略的有效性。本文研究的創(chuàng)新性工作主要有兩方面：一是對(duì)于量化擇時(shí)策略進(jìn)行了系統(tǒng)的梳理，并建立了自己的量化擇時(shí)策略。本文量化擇時(shí)策略的思路是：策略選擇在我國股票市場運(yùn)行，SVM預(yù)測模型每日收盤后運(yùn)行一次，對(duì)下一日收