本文選題：支持向量機(jī)　切入點(diǎn)：核函數(shù)　出處：《華南理工大學(xué)》2012年碩士論文

【摘要】：證券投資基金發(fā)展到今天，已成為世界范圍內(nèi)的重要的投資渠道和理財(cái)工具，截至2011年末全球共同基金的規(guī)模已經(jīng)達(dá)到25.92萬(wàn)億美元。近年來(lái)我國(guó)基金也迅速發(fā)展，2011年末我國(guó)基金數(shù)量突破800支，資產(chǎn)凈值增長(zhǎng)迅速。我國(guó)基金快速發(fā)展的同也凸顯出了一些問(wèn)題。2008年金融危機(jī)席卷全球后，我國(guó)股市一直處于較為低迷的狀態(tài)，而基金的業(yè)績(jī)也處于下滑狀態(tài)，2011年我國(guó)末我國(guó)66家基金公司資產(chǎn)管理凈值縮水15.16%。在當(dāng)下基金業(yè)普遍不景氣的情況下，如何選擇具有投資價(jià)值的基金成為亟待解決的問(wèn)題。 根據(jù)目前基金投資面臨的實(shí)際問(wèn)題，結(jié)合我國(guó)對(duì)基金績(jī)效評(píng)價(jià)體系的不足，本文提出了基于混合核函數(shù)支持向量機(jī)的基金投資決策模型。首先建立混合核函數(shù)支持向量機(jī)，是通過(guò)高斯核函數(shù)和多項(xiàng)式核函數(shù)的線性組合，建立新的核函數(shù)，以改善高斯核函數(shù)的泛化能力；同時(shí)對(duì)高斯核本身進(jìn)行改進(jìn)，建立多寬度高斯核函數(shù)，能夠?qū)斎胫笜?biāo)進(jìn)行不同的賦值，以提高模型的分類精度。其次本文提出了基于遺傳算法的SVM參數(shù)優(yōu)化方案，并且針對(duì)非平衡數(shù)據(jù)建模，引入F測(cè)度作為適應(yīng)度函數(shù)，進(jìn)一步提高模型的預(yù)測(cè)精度。最后本文綜合了目前國(guó)內(nèi)外金融機(jī)構(gòu)的基金績(jī)效評(píng)價(jià)指標(biāo)體系，提出了涵蓋收益、風(fēng)險(xiǎn)、基金經(jīng)理投資管理能力和基金投資組合等方面的綜合指標(biāo)體系。 最后本文應(yīng)用2008年-2011年間的39支股票型基金進(jìn)行實(shí)證分析，得出以下結(jié)論：1、通過(guò)引入F測(cè)度，可以改善非平衡數(shù)據(jù)的預(yù)測(cè)樣本精度，特別是對(duì)于少數(shù)類樣本的預(yù)測(cè)精度會(huì)有大幅度的提升；2、其次不同的核函數(shù)對(duì)于分類的精度有較大的影響，混合核函數(shù)支持向量機(jī)模型的預(yù)測(cè)分類精度較其他3個(gè)模型均有一定程度的提升；3、本文針對(duì)2008年后我國(guó)基金出現(xiàn)的大范圍收益率為負(fù)的現(xiàn)象，給出了不同的投資選擇標(biāo)準(zhǔn)，并應(yīng)用本文提出的模型進(jìn)行實(shí)證分析，，認(rèn)為該投資標(biāo)準(zhǔn)能夠幫助投資者在行情較差的情況下，選取虧損相對(duì)較少的基金；4、本文給出了基金投資決策的一般步驟。
[Abstract]:Today, securities investment funds have become an important investment channel and financial tool in the world. By the end of 2011, the size of global mutual funds had reached US $25.92 trillion. In recent years, China's funds have also developed rapidly, with the number of Chinese mutual funds exceeding 800 at the end of 2011. The rapid development of Chinese funds also highlights some problems. After the 2008 financial crisis swept the world, China's stock market has been in a relatively low state. At the end of 2011, the net asset management net value of 66 fund companies in our country shrank 15.16%. In the current situation of the general depression of fund industry, how to choose the fund with investment value becomes an urgent problem to be solved. According to the actual problems faced by fund investment and the deficiency of fund performance evaluation system in China, this paper proposes a fund investment decision model based on hybrid kernel function support vector machine. Firstly, a hybrid kernel function support vector machine (HSVM) is established. Through the linear combination of Gao Si kernel function and polynomial kernel function, a new kernel function is established to improve the generalization ability of Gao Si kernel function. It can assign different input indexes to improve the classification accuracy of the model. Secondly, this paper proposes an optimization scheme of SVM parameters based on genetic algorithm, and introduces F measure as fitness function for non-equilibrium data modeling. Finally, this paper synthesizes the current evaluation index system of fund performance of domestic and foreign financial institutions, and puts forward the coverage of income, risk, Fund manager investment management ability and fund portfolio and other aspects of the comprehensive index system. Finally, this paper applies 39 equity funds from 2008 to 2011 to carry out empirical analysis, and draws the following conclusion: 1. By introducing F measure, we can improve the accuracy of forecasting sample of unbalanced data. Especially for a small number of samples, the prediction accuracy will be greatly improved, followed by different kernel functions have a greater impact on the accuracy of the classification. The prediction accuracy of the hybrid kernel support vector machine model is improved to some extent compared with the other three models. In this paper, different investment selection criteria are given in view of the negative rate of return on a large range of funds in China after 2008. By using the model proposed in this paper, the author thinks that the investment standard can help investors select the fund with relatively little loss in the case of poor market. This paper gives the general steps of the investment decision of the fund.
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：F224;F832.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李亞;潘海峰;;基于AHP和TOPSIS方法的基金績(jī)效評(píng)價(jià)研究[J];安徽工程科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年03期

2 倪蘇云,攀登,吳沖鋒;基于遺傳算法的基金績(jī)效綜合評(píng)價(jià)研究[J];系統(tǒng)工程;2003年02期

3 費(fèi)勝巍;苗玉彬;劉成良;張曉斌;;基于粒子群優(yōu)化支持向量機(jī)的變壓器故障診斷[J];高電壓技術(shù);2009年03期

4 顏根廷;李傳江;馬廣富;;基于混合遺傳算法的支持向量機(jī)參數(shù)選擇[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2008年05期

5 王泳;胡包鋼;;應(yīng)用統(tǒng)計(jì)方法綜合評(píng)估核函數(shù)分類能力的研究[J];計(jì)算機(jī)學(xué)報(bào);2008年06期

6 王煒;郭小明;王淑艷;劉麗琴;;關(guān)于核函數(shù)選取的方法[J];遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

7 邵駿;袁鵬;張文江;錢曉燕;;基于貝葉斯框架的LS-SVM中長(zhǎng)期徑流預(yù)報(bào)模型研究[J];水力發(fā)電學(xué)報(bào);2010年05期

8 儲(chǔ)晶,肖冬榮,夏景明;基于SVM的基金業(yè)績(jī)?cè)u(píng)估系統(tǒng)研究[J];統(tǒng)計(jì)與決策;2005年20期

9 聶名華;楊飛虎;;美國(guó)晨星公司基金評(píng)級(jí)體系及其借鑒價(jià)值[J];云南財(cái)經(jīng)大學(xué)學(xué)報(bào);2006年06期

10 付元元;任東;;支持向量機(jī)中核函數(shù)及其參數(shù)選擇研究[J];科技創(chuàng)新導(dǎo)報(bào);2010年09期

相關(guān)博士學(xué)位論文 前3條

1 段文軍;中國(guó)開放式基金業(yè)績(jī)?cè)u(píng)價(jià)研究[D];中南財(cái)經(jīng)政法大學(xué);2005年

2 李憲立;證券投資基金業(yè)績(jī)?cè)u(píng)價(jià)新模型及我國(guó)基金中長(zhǎng)期業(yè)績(jī)?cè)u(píng)價(jià)實(shí)證研究[D];同濟(jì)大學(xué);2006年

3 常群;支持向量機(jī)的核方法及其模型選擇[D];哈爾濱工業(yè)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前8條

1 翟利雄;開放式基金投資決策平臺(tái)研究與設(shè)計(jì)[D];電子科技大學(xué);2011年

2 康海榮;我國(guó)證券投資基金的風(fēng)格分析和績(jī)效評(píng)價(jià)研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2004年

3 徐宇翔;我國(guó)基金業(yè)績(jī)?cè)u(píng)價(jià)方法研究[D];中南大學(xué);2004年

4 李艷廣;基于神經(jīng)網(wǎng)絡(luò)的投資基金績(jī)效評(píng)估[D];吉林大學(xué);2005年

5 趙紅艷;證券投資基金業(yè)績(jī)?cè)u(píng)估體系及實(shí)證研究[D];武漢大學(xué);2005年

6 曹懿;混合核函數(shù)支持向量機(jī)在信用評(píng)估中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2007年

7 李大鋒;支持向量機(jī)在基金評(píng)估中的應(yīng)用[D];廈門大學(xué);2008年

8 劉明;支持向量機(jī)中Sigmoid核函數(shù)的研究[D];西安電子科技大學(xué);2009年

本文編號(hào)：1662141