应用平滑支撑向量回归和类神经网络于共同基金绩效之预测.pdfVIP

第四部分商务智能与数据挖掘I511 应用平滑支撑向量回归与类神经网络于共同基金绩效之预测 卢瑞山1余尚武2林宜贤3 1．明科技大学信息管理系助理教授兼系主任 2．明科技大学特聘教授兼信息学院院长 3。台湾科技大学信息管理系硕士生 摘要：本研究以平滑支撑向量回归(SmooⅡl Support№tor PropagationNe铆ork)为基础理论，于共同基金绩效预测之研究。文中采用绩效报酬率和大盘报酬率作一比较， 并透过风险值去探讨各模型之优缺点。本研究以台湾地区股票型基金为预测标的，研究时点为2004年月至12 月。实证结果发现应用ssVR或BPN皆可增加投资报酬率，且于多头市场可得到更佳之报酬率。此外，应用 ssVR预测模型于空头市场中亦可得到超额报酬，降低投资人之损失。最后，平滑支撑向量回归模型与倒传递 类神经网络模型分别适用于不同风险偏好之投资人，投资人可依据个人之风险偏好选择适合自己之预测模型， 使本研究之应用达到最佳效果。 关键词：共同基金类神经网络倒传递类神经网络平滑支撑向量回归 1 引言 运用平滑化的技巧，利用一个高阶可微分的平滑 函数来取代￡．不敏感函数，如此一来可解决无限制式 近年来随着银行公告利率愈来愈低且通货膨胀 最小化的SVR所造成的运算复杂问题。 率高攀不下，导致台湾地区投资风气愈来愈盛行，然 ·Newton—AnIliio K咖el 而，许多投资人并没有太多时间专研于股票或期货市 导入New白Dn—心疵ioA19嘶t11m及核缩减技巧 场，因此在各式各样之投资工具中，共同基金是将资 (Reduced K锄e1)，来降低所需之内存空间及计算时 金交由专业基金经理人代为管理及操作，已成为台湾 间，增进平滑支撑向量回归法的效率。 地区最盛行之投资工具之一。 平滑支撑向量回归属于较新颖之类神经网络工 2．2倒传递类神经网络理论 具，其学习理论能广泛被应用于预测及分类模型方 倒传递类神经网络(BPN)是目前各领域较常被 面。本研究主要探讨以投资人角度利用平滑支撑向量 应用的类神经网络架构，藉由把输入与输出间的映像 回归及倒传递类神经网络来预测共同基金之报酬率， 问题转换为一个非线性最佳化的问题，运用最陡坡降 且依据预测值挑选出表现较佳之基金，建构出基金报 法调整参数，再透过网络运算逐次修正参数，经迭代 酬率之预测模型，进而提供投资人于作投资决策时之 运算后得到更精确的结果，适合用于预测的功能，在 参考依据。 商业使用上约有78％的研究者采用倒传递类神经网 络进行分析，为目前最具代表性、应用最广的模式之 2正文 et 一。Venido a1．(1999) 2．1 平滑支撑向量回归理论 倒传