本文關(guān)鍵詞：核主成分遺傳算法與SVR選股模型改進(jìn)

  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(jìn)步。本文構(gòu)建了基于核主成分遺傳算法改進(jìn)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(jìn)行了實證分析。主要結(jié)論為:①遺傳算法(GA)改進(jìn)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(zhǔn)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(jìn)行準(zhǔn)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(rèn)為股價的波

【參考文獻(xiàn)】

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(xiàn)】

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(xì)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