摘要 | 第2-4页 |
Abstract | 第4-5页 |
1 绪论 | 第9-16页 |
1.1 研究背景及意义 | 第9-10页 |
1.1.1 研究背景 | 第9页 |
1.1.2 研究意义 | 第9-10页 |
1.2 国内外研究综述 | 第10-14页 |
1.2.1 量化择时 | 第10-12页 |
1.2.2 支持向量机 | 第12-14页 |
1.3 研究内容及结构安排 | 第14页 |
1.4 技术路线和创新点 | 第14-16页 |
1.4.1 技术路线 | 第14-15页 |
1.4.2 创新点 | 第15-16页 |
2 量化择时策略研究 | 第16-19页 |
2.1 量化投资的内容及发展现状 | 第16-17页 |
2.2 量化择时策略的概念及策略类型 | 第17-19页 |
2.2.1 量化择时策略的概念 | 第17页 |
2.2.2 量化择时策略类型 | 第17-19页 |
3 支持向量机理论研究 | 第19-25页 |
3.1 机器学习 | 第19页 |
3.2 统计学习理论 | 第19-20页 |
3.2.1 VC维 | 第19-20页 |
3.2.2 学习过程一致性的条件 | 第20页 |
3.2.3 结构风险最小化 | 第20页 |
3.3 复杂性与推广能力 | 第20-21页 |
3.4 最优超平面 | 第21-22页 |
3.5 线性支持向量机 | 第22-23页 |
3.5.1 线性可分情形 | 第22-23页 |
3.5.2 非线性可分情形 | 第23页 |
3.6 非线性支持向量机 | 第23-25页 |
4 基于SVM择时策略的构建 | 第25-34页 |
4.1 择时模型设计的总体思路 | 第25-27页 |
4.2 预测期限 | 第27页 |
4.3 预测目标 | 第27-28页 |
4.4 投资范围 | 第28-29页 |
4.5 特征指标 | 第29-31页 |
4.5.1 特征指标的选择 | 第29-30页 |
4.5.2 特征指标的提取 | 第30-31页 |
4.6 买卖时点 | 第31-32页 |
4.7 模型设置 | 第32-34页 |
5 策略模型算法的设置 | 第34-45页 |
5.1 支持向量机的多分类算法选择 | 第34-35页 |
5.1.1 一对多法(One-Against-Others) | 第34页 |
5.1.2 一对一法(One-Against-One) | 第34页 |
5.1.3 层次支持向量机(H-SVMs) | 第34-35页 |
5.1.4 决策导向非循环图法(Decision Directed Acyclic Graph DDAG) | 第35页 |
5.2 支持向量机核函数选取 | 第35-38页 |
5.2.1 核函数理论基础 | 第35-36页 |
5.2.2 核函数的选择 | 第36-38页 |
5.3 参数寻优 | 第38-42页 |
5.3.1 基于交叉验证的网格搜索法(Cross Validation) | 第39-40页 |
5.3.2 遗传算法参数寻优(Genetic Algorithm, GA) | 第40-41页 |
5.3.3 粒子群算法参数寻优(Particle Swarm Optimization, PSO) | 第41-42页 |
5.4 不平衡数据的处理 | 第42-44页 |
5.4.1 向上取样(Over Sample) | 第42页 |
5.4.2 向下取样(Under Sample) | 第42-43页 |
5.4.3 加权支持向量机(Weighted Support Vector Machine,WSVM) | 第43-44页 |
5.5 滚动预测 | 第44-45页 |
6 策略模型在股市中的实证分析 | 第45-64页 |
6.1 系统工具的介绍 | 第45页 |
6.2 策略模型的构建 | 第45-46页 |
6.3 模型和策略的评价指标 | 第46-48页 |
6.3.1 SVM模型评价指标 | 第46-47页 |
6.3.2 择时策略的评价指标 | 第47-48页 |
6.4 个股实证结果分析 | 第48-54页 |
6.4.1 中国石油 | 第48-51页 |
6.4.2 浦发银行 | 第51-54页 |
6.5 指数实证结果分析 | 第54-63页 |
6.5.1 沪深 300 | 第54-57页 |
6.5.2 中证 500 | 第57-59页 |
6.5.3 创业板指 | 第59-63页 |
6.6 本章小节 | 第63-64页 |
7 结论 | 第64-67页 |
参考文献 | 第67-71页 |
攻读硕士学位期间发表的论文 | 第71-72页 |
致谢 | 第72-74页 |