SVM 模型在多因子股票池上的择时应用―金融工程专题报告
创建于 更新于
摘要
本报告测试了以传统多因子模型构建股票池为基础，结合支持向量机（SVM）模型进行择时交易的新型量化策略。通过提取价格行情及技术统计指标作为特征输入，采用交叉验证确定超参数，进行日频和周频层面择时测试。结果显示，日频择时显著提升年化收益率至22.17%，同时降低年化波动率和换手率，优于周频择时效果。SVM择时改善了策略收益与风险表现，但在市场顶部逃顶效果有限，建议结合传统止盈止损方法。未来将继续探索更多机器学习模型与特征，提升量化择时能力。[page::0][page::3][page::4][page::6][page::7][page::8]
