人工智能系列之三：人工智能选股之支持向量机模型

《人工智能系列之三：人工智能选股之支持向量机模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、证券研究报告金工研究/深度研究2017年08月04日林晓明执业证书编号：S0570516010001人工智能选股之支持向量机模型研究员0755-82080134linxiaoming@htsc.com华泰人工智能系列之三陈烨010-56793927联系人chenye@htsc.com本报告对各种核支持向量机模型以及支持向量回归进行系统测试支持向量机（SVM）是应用最广泛的机器学习方法之一。线性支持向量机相关研究能够解决线性分类问题，核支持向量机则主要针对非线性分类问题，支持1《金工:华泰价值选股之相对市盈率港股模向量回归能够处理回归问题。本篇报告我们将

2、对包括线性核、多项式核、型》2017.07高斯核和Sigmoid核在内的各种核函数支持向量机以及支持向量回归进行2《金工:人工智能选股之广义线性模型》系统性的测试，并分析它们应用于多因子选股的异同，希望对本领域的投2017.06资者产生有实用意义的参考价值。3《金工:全球多市场择时配置初探》2017.06支持向量机模型的构建：样本内训练与交叉验证、样本外测试支持向量机模型的构建包括特征和标签提取、特征预处理、样本内训练、交叉验证和样本外测试等步骤。最终在每个月底可以产生对全部个股下期上涨概率的预测值，然后根据正确率、AUC等指标以及策略回测结果对模型进

3、行评价。我们还根据模型的预测结果构建了沪深300成份内选股、中证500成份内选股和全A选股策略，通过年化收益率、信息比率、最大回撤等指标综合评价策略效果。高斯核支持向量机选股模型收益和信息比率的表现优于线性回归对于沪深300成份股内选股的行业中性策略（每个行业选6只个股），高斯核SVM模型的超额收益为4.9%，信息比率为1.22。对于中证500成份股内选股的行业中性策略，高斯核SVM模型的超额收益为9.0%，信息比率为2.37。对于全A选股的行业中性策略，高斯核SVM模型相对于中证500的超额收益为21.1%，信息比率为3.66。总体而言，高斯核SVM

4、在收益和信息比率方面表现不错，各种策略构建方式下都能稳定地优于线性回归模型；最大回撤方面SVM模型相比于线性回归不具备明显优势。高斯核支持向量机模型预测能力整体强于其它核支持向量机我们比较了不同核支持向量机的预测能力，发现高斯核SVM的测试集正确率、AUC和回测表现普遍优于其它核函数。高斯核作为使用最为广泛的核函数，其优势在于不对原始数据做太多的先验假设。我们的回测结果也印证了这一点，通过交叉验证集调参，最终得到高斯核SVM全A选股模型的测试集正确率为56.25%，高于线性核（55.66%）、3阶多项式核（53.75%）、7阶多项式核（50.03%）和

5、Sigmoid核（55.66%）。我们同时发现支持向量机的回测表现优于支持向量回归。风险提示：通过支持向量机模型构建选股策略是历史经验的总结，存在失效的可能。谨请参阅尾页重要声明及华泰证券股票和行业评级标准1金工研究/深度研究

6、2017年08月04日正文目录本文研究导读....................................................................................................................4支持向量机介绍....................

7、.............................................................................................5线性支持向量机.........................................................................................................5最大间隔分类..................................................................

8、...................................5松弛变量............................................................................................................6惩罚系数C........................................................................................................7支持向量回归..............

9、...............................................