基于线性判别分析与特征加权支持向量机的选股模型研究

《基于线性判别分析与特征加权支持向量机的选股模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP391.9密级：UDC：004.9编号：201432103007河北工业大学硕士学位论文基于线性判别分析与特征加权支持向量机的选股模型研究论文作者：董良学生类别：全日制专业学位类别：工程硕士领域名称：计算机技术指导教师：彭玉青职称：教授DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofComputerTechnologyResearchonStockSelectionModelBasedonLinearDiscriminantAnalysisandWeighte

2、dSupportVectorMachinebyDongLiangSupervisor:Prof.PengYuqingNovember2016原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文不包含任何他人或集体已经发表的作品内容，也不包含本人为获得其他学位而使用过的材料。对本论文所涉及的研究工作做出贡献的其他个人或集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名：日期：关于学位论文版权使用授权的说明本人完全了解河北工业大学关于收集、保存、使用学位

3、论文的以下规定：学校有权采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供本学位论文全文或者部分内容的阅览服务；学校有权将学位论文的全部或部分内容编入有关数据库进行检索、交流；学校有权向国家有关部门或者机构送交论文的复印件和电子版。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：日期：导师签字：日期：摘要量化选股是量化投资中的一个重要分支，研究的是优质股票的选取问题，自其诞生以来经历了三十多年的发展，并在西方股票市场上取得了巨大的成功，随着中国股票市场的不断完善和发展，量化投资也必将成为中国股市主流投资理念。在这样的背景下，本文依据量化投资经

4、典理论，使用上市公司财务数据建立支持向量机选股模型，针对股票选取问题进行研究。本文在西方经典理论与多因子选股模型的研究基础上，分别对有效因子的选取及权重的确认、模型的建立和优化这两个方面进行深入的分析和探索，最终提出了结合ReliefF算法、线性判别分析(LinearDiscriminantAnalysis,LDA)与特征加权支持向量机(FeatureWeightedSupportVectorMachine,FWSVM)的选股方法。首先，ReliefF算法通过对比任一股票样本与同类以及不同类的邻近样本的欧氏距离，计算出本文选取的7大类54个财务指标的权重向量，同

5、时使用Pearson相关系数剔除冗余财务指标，解决ReliefF算法不能处理特征冗余的问题，得到一个科学的备选特征集；其次，引入线性判别分析法，利用已知类别信息将本文加权后的7大类财务指标分别投影至最佳分离方向，得到一维的7个有效因子，这些有效因子分别继承该大类下子指标的最大权重，并最终作为特征加权支持向量机的输入；最后，建立ReliefF-LDA-FWSVM分类模型，并针对不同类别样本数量不平衡问题，使用代价敏感性原理调节惩罚参数，在一定程度上消除数据不平衡带来的影响，从而提高高收益类股票的识别率。此外，文章使用遗传算法对支持向量机参数进行寻优，确保模型的科学

6、合理。本文使用2010年至2014年规整后的上证A股财务数据，构建了4个年度滚动预测模型。每个模型均使用当年财务数据识别次年高收益股票，并建立了对比试验，实验结果表明本文建立的ReliefF-LDA-FWSVM模型可以有效识别高收益类股票。关键词：量化投资；选股模型；ReliefF算法；线性判别分析；特征加权支持向量机IABSTRACTQuantitativestockselectionisanimportantbranchofquantitativeinvestment,thestudyistheselectionofqualitystocks.Sinceit

7、sbirthhasexperiencedmorethan30yearsofdevelopment,andintheWesternstockmarkethasachievedgreatsuccess.WiththecontinuousimprovementanddevelopmentofChina'sstockmarket,quantitativeinvestmentwillalsobecomethemainstreaminvestmentphilosophyofChina'sstockmarket.Inthiscontext,thispaperbasedonth

8、eclassicalth