眾所周知股票市場(chǎng)是一個(gè)充滿(mǎn)各種信息的復(fù)雜系統(tǒng)。通常情況下,投資者所面對(duì)的是充斥著大量股票的市場(chǎng),因此對(duì)于人們而言,如何選擇出適合投資的股票是其必須解決的問(wèn)題。從數(shù)據(jù)挖掘的角度看,股票選擇的問(wèn)題就是在股票的財(cái)務(wù)指標(biāo)和未來(lái)收益之間建立映射關(guān)系,并通過(guò)這種映射識(shí)別出能在下一年度戰(zhàn)勝大盤(pán)、并獲取超額收益的股票。 本研究結(jié)合國(guó)內(nèi)股票市場(chǎng)特別是滬深A(yù)股的特點(diǎn)以及股市實(shí)際運(yùn)作情況,研究基于支持向量機(jī)的分類(lèi)技術(shù)在分類(lèi)選股中的應(yīng)用。為了降低支持向量機(jī)非線(xiàn)性分類(lèi)器的模型復(fù)雜度,在不降低分類(lèi)精度的情況下,文中采用主成分分析技術(shù)對(duì)上市公司財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行屬性約減,該方法可以把原始的高維數(shù)據(jù)以少數(shù)幾個(gè)主成分表示,同時(shí)盡可能保留原始數(shù)據(jù)的更多完整信息。這樣就可以避免由于輸入矩陣中某些屬性的高度相關(guān)性給分類(lèi)器的復(fù)雜度帶來(lái)影響,從而可以提高模型在不同數(shù)據(jù)集上的泛化能力。最終按照等權(quán)重的投資策略,以本文提出的基于SVM的分類(lèi)技術(shù)所選出的優(yōu)勢(shì)股進(jìn)行投資,無(wú)論是在牛市或是熊市,都能獲取戰(zhàn)勝大盤(pán)的超額收益。由此可以得出,本研究對(duì)實(shí)際投資有很好的指導(dǎo)意義。

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1數(shù)量化選股模型框架

圖1-1數(shù)量化選股模型框架內(nèi)金融市場(chǎng)取得快速發(fā)展，對(duì)于股票選擇的研究成到了眾多學(xué)者的廣泛關(guān)注。錢(qián)穎能[4]以及左輝[5]等人票選擇上，前者以2002年至2004年上海證券交易究背景建立貝葉斯分類(lèi)選股模型，該模型選出的優(yōu)著的超額收益；后者以證券分析師所推薦股票各方葉斯分....

圖3-1數(shù)據(jù)規(guī)范化后各屬性間的散點(diǎn)圖

分布集中，從這點(diǎn)可以推斷出這三個(gè)屬性的峰度較大。與表3-3的數(shù)據(jù)呈現(xiàn)出一致的特性。另一方面，從各個(gè)屬性間的散點(diǎn)圖可以定性得出屬性A和B、A和D、B和E、以及D和E有較強(qiáng)的線(xiàn)性相關(guān)性；屬性L(fǎng)與A、B、E、F等指標(biāo)則呈現(xiàn)出非線(xiàn)性的相關(guān)特性，而這種相關(guān)性....

圖3-2各主成分累積方差貢獻(xiàn)率

表3-4數(shù)據(jù)集A各屬性間相關(guān)系數(shù)BCDEFGHIJKL.910.550.800.710.790.550.460.310.410.27-0.18.000.560.740.800.910.600.470.290.50....

圖3-3支持向量機(jī)模式識(shí)別過(guò)程

VM[28][34]部分基于libsvm-2.9（http://www.csie.ntu.edu.tw/~cjlin/libsvm3.5基于支持向量機(jī)的分類(lèi)選股模型框架一般意義而言，分類(lèi)問(wèn)題的實(shí)質(zhì)就是模式識(shí)別問(wèn)題。模式識(shí)別就識(shí)別的模式自動(dòng)分到各類(lèi)模式中。模式識(shí)別過(guò)程分為數(shù)據(jù)轉(zhuǎn)....

本文編號(hào)：3934341