本文關(guān)鍵詞：基于PCA-SVM模型的量化擇時(shí)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國(guó)股票市場(chǎng)的發(fā)展,股市的功能日益提高,對(duì)我國(guó)股市投資方面的研究越來(lái)越多。文章基于股票市場(chǎng)技術(shù)指標(biāo),利用支持向量機(jī)(SVM)理論,將滬深300指數(shù)作為研究標(biāo)的,并借助計(jì)算機(jī)做出量化擇時(shí)實(shí)證分析,去研究如何提高投資的收益性和穩(wěn)定性。由于我國(guó)滬深300股指期貨已推出,將滬深300指數(shù)作為標(biāo)的,也有助于對(duì)實(shí)際投資策略的研究。傳統(tǒng)的技術(shù)分析和基本面分析對(duì)股市的解釋能力越顯乏力,文章運(yùn)用非線性的數(shù)據(jù)挖掘技術(shù)對(duì)我國(guó)股市價(jià)格行為進(jìn)行分析。在具體技術(shù)的選擇上,文章將人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)進(jìn)行了比較,最終得出了支持向量機(jī)訓(xùn)練精確度更高的結(jié)論。支持向量機(jī)層面,分為傳統(tǒng)支持向量機(jī)和改進(jìn)的支持向量機(jī),對(duì)于改進(jìn)的支持向量機(jī)主要體現(xiàn)在其參數(shù)的尋優(yōu)方面,網(wǎng)格搜索法的參數(shù)尋優(yōu)在實(shí)證方面精確度表現(xiàn)得更高。針對(duì)于數(shù)據(jù)的選擇方面,文章依據(jù)量化擇時(shí)的理論基礎(chǔ),對(duì)選取的數(shù)據(jù)進(jìn)行ADF單位根檢驗(yàn),判斷得出此段數(shù)據(jù)已達(dá)到弱式有效。對(duì)于數(shù)據(jù)的處理方面,為了降低數(shù)據(jù)的冗雜性,提高模型的訓(xùn)練精度和降低模型的訓(xùn)練時(shí)間,文章采用主成分分析方法(PCA),對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。實(shí)證結(jié)果表明經(jīng)過(guò)PCA之后的模型精確度更高。鑒于此,綜合支持向量機(jī)(SVM),主成分分析(PCA),網(wǎng)格搜索法,文章構(gòu)建了基于網(wǎng)格搜索法下的PCA-SVM模型。并且結(jié)合具體數(shù)據(jù),采用了一種SVM模型的量化擇時(shí)方法,通過(guò)與同期滬深300指數(shù)的對(duì)比,得出了PCA-SVM量化擇時(shí)策略收益更高,穩(wěn)定性更強(qiáng),抗跌能力更好的結(jié)論。但是由于技術(shù)和經(jīng)驗(yàn)的不足,文章未能將技術(shù)指標(biāo)與宏觀數(shù)據(jù)進(jìn)行結(jié)合,降低了數(shù)據(jù)的綜合解釋能力；并且股市的數(shù)據(jù)之間不僅僅只存在相關(guān)性,噪聲也是股市中存在的問(wèn)題,對(duì)降噪方面,文章尚未涉及。這些方面需要后續(xù)進(jìn)一步研究。
【關(guān)鍵詞】：量化擇時(shí) 支持向量機(jī)(SVM) 網(wǎng)格搜索法 主成分分析(PCA)
【學(xué)位授予單位】：天津財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：F832.51;F224
【目錄】：

• 內(nèi)容摘要5-6
• Abstract6-9
• 第1章 導(dǎo)論9-16
• 1.1 研究背景及意義9-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10
• 1.2 國(guó)內(nèi)外相關(guān)研究綜述10-13
• 1.2.1 國(guó)內(nèi)市場(chǎng)有效性的研究現(xiàn)狀11
• 1.2.2 數(shù)據(jù)挖掘技術(shù)在金融市場(chǎng)中的運(yùn)用11-12
• 1.2.3 支持向量機(jī)在金融數(shù)據(jù)挖掘中的研究現(xiàn)狀12-13
• 1.3 本文的研究?jī)?nèi)容和框架結(jié)構(gòu)13-14
• 1.4 本文的研究方法和創(chuàng)新點(diǎn)14-16
• 1.4.1 研究方法15
• 1.4.2 本文創(chuàng)新點(diǎn)15-16
• 第2章 基于支持向量機(jī)的量化擇時(shí)理論框架16-31
• 2.1 量化擇時(shí)理論16-19
• 2.2 市場(chǎng)有效性理論19-21
• 2.2.1 有效市場(chǎng)理論19-20
• 2.2.2 ADF單位根檢驗(yàn)法20-21
• 2.3 技術(shù)指標(biāo)選擇理論21-25
• 2.3.1 技術(shù)指標(biāo)的選擇原則21-22
• 2.3.2 主要技術(shù)指標(biāo)及其應(yīng)用22-25
• 2.4 統(tǒng)計(jì)學(xué)習(xí)理論25-26
• 2.5 支持向量機(jī)理論26-31
• 2.5.1 線性分類(lèi)器27-29
• 2.5.2 SVM非線性分類(lèi)方法29-31
• 第3章 基于PCA-SVM模型量化擇時(shí)策略的構(gòu)建31-39
• 3.1 模型策略構(gòu)建的思路31-33
• 3.2 主成分分析法(PCA)33-36
• 3.3 網(wǎng)格搜索法下的參數(shù)尋優(yōu)36-39
• 第4章 PCA-SVM模型在量化擇時(shí)中的實(shí)證檢驗(yàn)39-49
• 4.1 數(shù)據(jù)檢驗(yàn)和數(shù)據(jù)預(yù)處理39-43
• 4.1.1 運(yùn)用ADF單位根法檢驗(yàn)數(shù)據(jù)市場(chǎng)有效性39-40
• 4.1.2 主成分分析(PCA)處理40-43
• 4.2 模型的實(shí)證分析43-47
• 4.2.1 PCA-SVM模型的結(jié)果43-44
• 4.2.2 BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果44-47
• 4.3 模型下滬深300指數(shù)擇時(shí)策略分析47-49
• 第5章 結(jié)論與建議49-52
• 5.1 基于SVM模型的擇時(shí)策略具備較高推廣能力49
• 5.2 PCA能夠降低數(shù)據(jù)維度,后期研究需關(guān)注數(shù)據(jù)噪聲49-50
• 5.3 運(yùn)用網(wǎng)格搜索法對(duì)模型參數(shù)尋優(yōu)能夠提高策略收益率50-51
• 5.4 未來(lái)研究展望51-52
• 參考文獻(xiàn)52-54
• 后記54

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李儷巧,陳智高;轉(zhuǎn)移成本與競(jìng)爭(zhēng)的簡(jiǎn)單模型分析[J];企業(yè)經(jīng)濟(jì);2002年10期

2 白玲;王歆;;服務(wù)創(chuàng)新的四緯度模型對(duì)我國(guó)金融服務(wù)創(chuàng)新的啟示[J];商場(chǎng)現(xiàn)代化;2007年31期

3 李超;;企業(yè)增長(zhǎng)的3C模型分析[J];中國(guó)中小企業(yè);2011年08期

4 蔡e，

本文編號(hào)：254224