基于三种核函数的SVM选股模型的实证分析
2020-08-10肖阳丁琦
中国商论 2020年15期
肖阳 丁琦



摘 要:本文首先基于信息系数构建了单因子策略,并利用近年来中国A股数据对市场上12大类共500多个因子进行评分筛选,得到了22个有效因子。其次,结合上述有效因子,并基于三种不同的核函数建立了支持向量机多因子选股模型。最后,利用真实市场数据对上述模型进行了回测,并通过网格搜索和交叉验证法确定了模型参数的最优取值,实验结果表明三种核函数都有获得超额收益的表现。其中线性核函数具有高贝塔性,多项式核函数具有高的信息比率,而高斯核函数绩效表现最优,年化收益达到24.76%。
关键词:量化投资 支持向量机 多因子模型 股票
中图分类号:F832.51 文献标识码:A 文章编号:2096-0298(2020)08(a)--03
目前,国内学术界对机器学习应用在金融投资中的研究逐渐增加,对比判断哪种因子和哪类模型在金融市场中是有效的,成为人们的研究目标。欧阳中等对支持向量机的LS、OSU和SteveGunn三种不同核函数进行了分类精度的比较,发现OSU分类性能最优。刘佳祺等将BP神经网络算法与主成分分析法和遗传算法相结合,对股票价格进行预测。谢翔探究了七种机器学习算法在中国A股市场中的适应效果。
综上,随着数据和方法的增加,如何更有效的运用使之与当今的金融市场相匹配成为目前人们的主流研究方向。本文基于支持向量机方法和多因子选股模型,利用近年真实市场数据对三种不同的核函数和500个股票因子进行实证研究,获得了性能最优的核函数模型和有效选股因子。……
登录APP查看全文
