基于小波分析和支持向量机的指数预测模型-国信证券-20100621
由qxiao创建，最终由qxiao 被浏览 82 用户
摘要
支持向量机（support vector machine,SVM）是数据挖掘中的一项新技术，是借助于最优化方法解决机器学习问题的新工具。它成为克服“维数灾难”和“过学习”等传统困难的有效办法，虽然他还处在飞速发展的阶段，但它的理论基础和实现途径的基本框架已经形成。支持向量机目前主要用来解决分类问题（模式识别，判别分析）和回归问题。而股市行为预测通常为预测股市数据的走势和预测股市数据的未来数值。而当我们将走势看作两种状态（涨、跌），问题便转化为分类问题，而预测股市未来的价格是指为典型的回归问题。我们有理由相信支持向量机可以对股市进行预测。
本报告将从实际应用角度出发，用沪深300指数为代表的金融时间序列数据，研究小波理论在金融时间序列中的可操作性。主要应用小波变化的消噪功能，对时间序列数据进行优化，进一步拓展支持向量机在时间序列预测上的研究和应用。通过对沪深300指数价格的预测，构造多头和多空两种择时策略。
实证效果：
实证例子的时间为2009年5月15日至2010年5月21日（250交易日）。
多头策略在1年内回报率为10.33%，多空策略31.61%，同期沪深300指数回报率会1.03%。
观察1年内策略的最高和最低回报发现，多头策略对下方风险控制较好，收益率不会出现大幅波动。
实证结果表明：
- 结合小波消噪的SVM预测模型在刻画预测走势的形态上具有较好的准确度，预测每日涨跌的准确率也较高，预测指数下跌的效果较好。在指数价格出现震荡的时期，模型的预测往往不能立即跟上真实行情的变化速度，导致模拟走势与实际情况存在差异。
- 基于预测数据的简单择时策略，在震荡市中效果理想。多头策略可以很好的规避市场下跌造成的损失，保留收益。而多空策略中做空获得的收益要高于做多所获收益。表明模型在这一时间段里预测下跌比预测上涨要准确。两种交易策略均跑赢了大盘，这说明了模型的预测具有一定参考价值，报告中所述策略需要长期坚持。
正文
/wiki/static/upload/e8/e8581600-e8a0-4faf-b9ed-4c68d8d8de1b.pdf
\