基于SVM分类算法的选股研究.doc

基于 SV M 分类算法的选股研究 全 林1 , 姜秀珍2 , 赵俊和3 , 汪 东4 (1 . 上海交通大学 人文社会科学学院 , 上海 200030 ; 2 . 上海对外贸易学院 , 上海 201620 ; 3 . 上海交通大学 技术学院 , 上海 201101 ; 4 . 上海交通大学 安泰经济与管理学院 , 上海 200052) 摘 要 : 采用稳健的改进主成分分析与支持向量机 ( PCA2SV M) 算法进行特征提取 ,分析中国股票 市场的股票选择问题 ,并采用中国沪、深 A 股市场中上市公司数据验证该方法的有效性. 结果表 明 ,运用 PCA2SV M 算法得到的组合回报率超过了市场基准. 关键词 : 支持向量机 ; 分类算法 ; 特征提取 ; 股票选择 ; 回报率 中图分类号 : F 224 文献标志码 : A Re se a rch of Sele cting Sto c ks Ba se d o n Cla s sific atio n Metho d of SVM Q U A N L i n1 , J I A N G X i u2z he n2 , Z H A O J u n2he3 , W A N G D on g 4 (1 . School of H uma nitie s a nd Social Scie nce , Sha nghai J iao to ng U niver sit y , Sha nghai 200030 , Chi na ; 2 . Sha nghai In stit ut e of Fo rei gn Tra de , Sha nghai 201620 , Chi na ; 3 . Tech nical Sc hool , Sha nghai J iao to ng U niver sit y , Sha nghai 201101 , Chi na ; 4 . A nt ai College of Eco no mic s a nd Ma na ge me nt , Sha nghai J iao to ng U niver sit y , Sha nghai 200052 , Chi na) Ab stra ct : Selecti ng stock s i n Chi na’s stock ma r ket wa s re sea rc he d u si ng a cla ssificatio n met ho d of suppo r t vecto r mac hi ne ( SV M) a nd ro bu st a nd i mp ro ved met ho d of PCA fo r f eat ure e xt ractio n . U si ng t he dat a of li st ed co mp a nie s of Chi na A stock s ma r ket e xp eri me nt s we re do ne to t e st t he vali dit y of t he met ho d me n2 tio ned a bo ve . The re sult i ndicat e s t hat po r tfolio ’s ret ur n rat e u si ng cla ssificatio n met ho d of SV M i s hi ghe r t ha n t he ma r ket be nch ma r k . Ke y wo rd s : suppo rt vecto r machi ne ( SV M) ; cla ssificatio n al go rit h m ; f eat ure e xt ractio n ; stoc k selectio n ; ret ur n rat e Fa ma 等[ 1 ] 的有效市场假设理论认为 , 股票的 价格反映了其全部的公开信息 ,因此 ,不可能找出具 有超常收益的股票 ,但在一定程度上可以预测未来 的股票回报. 文献[ 225 ] 中发现 ,股票的周收益序列 在某些信息集下是可预测的 ,存在价值股、小市值股 等异常现象. 这说明通过研究上市公司财务数据可 以实??一定的超额收益. 例如 , 现实世界中的巴菲 特、林奇等成功投资人也说明了这一点. SV M 采用二次规划技术在隐性的特征空间中 构造最优分离超平面 ,是统计学中用于训练通用反 馈网络的一种替代方法. SV M 既使用了上市公司的 财务数据 ,又综合了股票的历史走势 ,是一种有智能 的学习机器 ,采用 SV M 分