本文關(guān)鍵詞：核主成分遺傳算法與SVR選股模型改進

  更多相關(guān)文章： 核主成分分析 遺傳算法 KPCA-GA-SVR模型 量化選股

【摘要】：量化選股一直是金融領(lǐng)域研究的熱點。隨著人工智能技術(shù)的空前發(fā)展,量化選股方法取得了很大進步。本文構(gòu)建了基于核主成分遺傳算法改進的支持向量回歸機人工智能選股模型(KPCA-GA-SVR),并基于滬深股市股票基本面及交易數(shù)據(jù),分別從短期和中長期對其選股性能和預(yù)測精度進行了實證分析。主要結(jié)論為:①遺傳算法(GA)改進的SVR較傳統(tǒng)模型預(yù)測精度更高,且避免了過度擬合;②與采用主成分降維技術(shù)的PCA-GA-SVR模型相比,基于核主成分特征提取的KPCA-GA-SVR模型,具有更好的模型穩(wěn)健性及預(yù)測準確性;③中長期內(nèi)該模型的預(yù)測誤差隨滑窗長度的增加有降低趨勢,且一年期預(yù)測精度最高;短期內(nèi)不同滑窗下,一周的預(yù)測效果最佳。本研究對個人投資者的投資決策及國家宏觀監(jiān)控股市動態(tài)變化都具積極意義。
【作者單位】： 清華大學(xué)經(jīng)濟管理學(xué)院應(yīng)用經(jīng)濟學(xué)金融系;中央財經(jīng)大學(xué)統(tǒng)計學(xué)院;
【關(guān)鍵詞】： 核主成分分析 遺傳算法 KPCA-GA-SVR模型 量化選股
【基金】：國家自然科學(xué)基金青年項目(71101157) 教育部人文社會科學(xué)研究青年基金項目(10YJC790220) 教育部博士點基金課題(20110016120001)的資助
【分類號】：F830.91;F224
【正文快照】： 一、引言量化選股一直是投資決策中極具挑戰(zhàn)性的工作,如何采用有效的數(shù)量技術(shù)對股票價格進行準確的預(yù)測是選股問題的核心所在。由各證券交易所公布的股市行情是一個隨時間推移而變化的過程。從數(shù)理統(tǒng)計的角度來看,是一系列的離散數(shù)據(jù)。隨機行走(Random Walk)理論認為股價的波

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 彭麗芳;孟志青;姜華;田密;;基于時間序列的支持向量機在股票預(yù)測中的應(yīng)用[J];計算技術(shù)與自動化;2006年03期

2 徐國祥;楊振建;;PCA-GA-SVM模型的構(gòu)建及應(yīng)用研究——滬深300指數(shù)預(yù)測精度實證分析[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2011年02期

3 李云飛;龔冬生;惠曉峰;;基于價值投資的PCA-SVM股票選擇模型研究[J];西安工程大學(xué)學(xué)報;2009年03期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 喻勝華;肖雨峰;;基于信息�；椭С窒蛄繖C的股票價格預(yù)測[J];財經(jīng)理論與實踐;2011年06期

2 馬細霞;穆浩澤;;基于小波分析的支持向量機徑流預(yù)測模型及應(yīng)用[J];灌溉排水學(xué)報;2008年03期

3 周勝臣;施詢之;瞿文婷;石英子;孫韻辰;;基于微博搜索和SVM的股市時間序列預(yù)測研究[J];計算機與現(xiàn)代化;2013年04期

4 徐國祥;楊振建;;PCA-GA-SVM模型的構(gòu)建及應(yīng)用研究——滬深300指數(shù)預(yù)測精度實證分析[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2011年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉立霞;多變量金融時間序列的非線性檢驗及重構(gòu)研究[D];天津大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 趙欣;基于支持向量機的中國證券市場長期投資分析[D];北京交通大學(xué);2011年

2 王任重;基于支持向量機的地球同步軌道相對論電子事件預(yù)報方法研究[D];中國科學(xué)院研究生院（空間科學(xué)與應(yīng)用研究中心）;2011年

3 楊e，

本文編號：776188