基于遗传算法的股票分类和组合优化
创建于 更新于
摘要
本文基于Chen等（2017）提出的一种分组遗传算法（GGA），结合符号聚合近似（SAX）和扩展符号聚合近似（ESAX）技术，实现股价时间序列的降维和符号化处理，优化股票投资组合分组（GSP），提高组内股票价格的相似性与投资组合的收益率。通过构建含现金股利稳定性因子、组平衡度、单位平衡度和价格平衡度的多元适应度函数，对遗传算法的染色体进行进化操作，实验采用台湾证券交易所2012-2014年的数据，显示本文方法在序列相似性和组合收益上较已有方法表现更优，ROI最高可达16%-18% [page::0][page::8][page::18][page::24][page::25]。
