MATLAB金融算法分析实战-立体封面 第13章.pptxVIP

吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析第十三章吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析支持向量机SVM下的涨跌预测吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析 支持向量机SVM算法是一个极其优越的机器学习算法。支持向量机SVM算法也是一个有监督的学习算法。支持向量机SVM算法根据数据内存属性，通过构造超平面，将数据进行划分，然后应用于分类和回归模型。支持向量机SVM算法解决了传统算法不能解决的非线性、离散等问题，将复杂的大数据映射到高维空间，进而实现问题的高效求解，广泛应用于各行各业数据分析中。本章主要围绕支持向量机SVM算法进行股票的上证、下跌分析。吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析Logistic回归吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析Regularization正则化方程 吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析支持向量机SVM算法Logistic 回归吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析支持向量机SVM算法二次规划问题应用KKT（Karush-Kuhn-Tucker）条件进行求解。吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析支持向量机SVM算法SVM超平面求解吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析支持向量机SVM算法吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析支持向量机SVM算法吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析支持向量机SVM算法clc,clear,close all % 清屏+清理工作区+关闭图形窗口warning off % 取消警告feature jit off % 加速通道%% 函数quadprog 二次规划问题H = [1 -1; -1 2] ;f = [-2; -6];A = [1 1; -1 2; 2 1];b = [2; 2; 3];lb = zeros(2,1);[x,fval,exitflag,output,lambda] = quadprog(H,f,A,b,[ ],[ ],lb)吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析支持向量机SVM算法 支持向量机SVM就是根据二次规划问题求解相应的系数，进而得到超平面，实现数据的分类与预测。支持向量机SVM目前有较为成熟的工具箱，本文将使用MATLAB自带的支持向量机SVM工具箱实现上证指数的涨跌预测。吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析支持向量机SVM算法SVM中的alpha系数取值上下限：function [psi_l, psi_h Low High] = evalPsiAtEnd(i, j, Low, High) % This function evaluates the objective function at the ends of % the feasible region. This is necessary in the hopefully rare % case of eta 0. It looks a bit ugly but simply implements. [Kii Kjj Kij] = kernelCache.getElements(i,j); s = targetLabels(i) * targetLabels(j); fi = - objGrad(i) - alphas(i) * Kii - s * alphas(j) * Kij; fj = - objGrad(j) - alphas(j) * Kjj - s * alphas(i) * Kij; Li = alphas(i) + s * (alphas(j) - Low); Hi = alphas(i) + s * (alphas(j) - High); psi_l = Li * fi + Low * fj + Li * Li * Kii / 2 + Low * Low * Kjj / 2 + ... s * Low * Li * Kij; psi_h = Hi * fi + High * fj + Hi * Hi * Kii / 2 + High * High * Kjj / 2 + ... s * High * Hi * Kij;end吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分