基于双T-SV模型下支持向量机回归的量化策略研究
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 支持向量机文献综述 | 第15-16页 |
| 1.2.2 SV模型文献综述 | 第16-18页 |
| 1.2.2.1 国外文献综述 | 第16-17页 |
| 1.2.2.2 国内文献综述 | 第17-18页 |
| 1.3 本文的研究内容及创新 | 第18-20页 |
| 1.3.1 本文的研究内容 | 第18-19页 |
| 1.3.2 本文的创新点 | 第19-20页 |
| 第二章 支持向量机 | 第20-29页 |
| 2.1 线性支持向量机 | 第20-23页 |
| 2.1.1 线性可分SVM | 第20-22页 |
| 2.1.2 近似线性可分支持向量机 | 第22-23页 |
| 2.2 非线性支持向量机 | 第23-26页 |
| 2.2.1 核函数 | 第23-24页 |
| 2.2.2 非线性SVM | 第24页 |
| 2.2.3 回归支持向量机(SVR) | 第24-26页 |
| 2.3 最优化问题求解 | 第26-29页 |
| 2.3.1 序列最小最优化算法 | 第26-27页 |
| 2.3.2 最小二乘支持向量机 | 第27-29页 |
| 第三章 SV模型及其扩展 | 第29-37页 |
| 3.1 标准SV模型 | 第29-30页 |
| 3.2 SV模型的扩展 | 第30-31页 |
| 3.2.1 SV-T模型 | 第30页 |
| 3.2.2 SV-MN模型 | 第30页 |
| 3.2.3 SV-MT模型 | 第30-31页 |
| 3.2.4 杠杆SV模型 | 第31页 |
| 3.3 SV模型的参数估计 | 第31-37页 |
| 3.3.1 伪极大似然估计 | 第32页 |
| 3.3.2 模拟极大似然(SML)估计 | 第32-33页 |
| 3.3.3 马尔科夫链蒙特卡洛(MCMC)估计 | 第33-37页 |
| 第四章 双T-SV模型及其实证分析 | 第37-44页 |
| 4.1 双T-SV模型 | 第37页 |
| 4.2 双T-SV模型的MCMC估计 | 第37-39页 |
| 4.3 实证分析 | 第39-44页 |
| 4.3.1 数据展示 | 第39-40页 |
| 4.3.2 参数估计 | 第40-44页 |
| 第五章 量化策略及回测 | 第44-55页 |
| 5.1 收益率预测 | 第44-48页 |
| 5.1.1 数据来源 | 第44-45页 |
| 5.1.2 因子数据预处理 | 第45-46页 |
| 5.1.3 主成分分析 | 第46-48页 |
| 5.1.4 支持向量机回归模型的建立 | 第48页 |
| 5.2 收益波动的预测 | 第48-49页 |
| 5.3 策略流程 | 第49-51页 |
| 5.4 策略回测及分析 | 第51-55页 |
| 5.4.1 评价指标 | 第51页 |
| 5.4.2 回测分析 | 第51-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读研究生期间发表的学术论文 | 第63页 |
