论文部分内容阅读
证券投资基金发展到今天,已成为世界范围内的重要的投资渠道和理财工具,截至2011年末全球共同基金的规模已经达到25.92万亿美元。近年来我国基金也迅速发展,2011年末我国基金数量突破800支,资产净值增长迅速。我国基金快速发展的同也凸显出了一些问题。2008年金融危机席卷全球后,我国股市一直处于较为低迷的状态,而基金的业绩也处于下滑状态,2011年我国末我国66家基金公司资产管理净值缩水15.16%。在当下基金业普遍不景气的情况下,如何选择具有投资价值的基金成为亟待解决的问题。根据目前基金投资面临的实际问题,结合我国对基金绩效评价体系的不足,本文提出了基于混合核函数支持向量机的基金投资决策模型。首先建立混合核函数支持向量机,是通过高斯核函数和多项式核函数的线性组合,建立新的核函数,以改善高斯核函数的泛化能力;同时对高斯核本身进行改进,建立多宽度高斯核函数,能够对输入指标进行不同的赋值,以提高模型的分类精度。其次本文提出了基于遗传算法的SVM参数优化方案,并且针对非平衡数据建模,引入F测度作为适应度函数,进一步提高模型的预测精度。最后本文综合了目前国内外金融机构的基金绩效评价指标体系,提出了涵盖收益、风险、基金经理投资管理能力和基金投资组合等方面的综合指标体系。最后本文应用2008年-2011年间的39支股票型基金进行实证分析,得出以下结论:1、通过引入F测度,可以改善非平衡数据的预测样本精度,特别是对于少数类样本的预测精度会有大幅度的提升;2、其次不同的核函数对于分类的精度有较大的影响,混合核函数支持向量机模型的预测分类精度较其他3个模型均有一定程度的提升;3、本文针对2008年后我国基金出现的大范围收益率为负的现象,给出了不同的投资选择标准,并应用本文提出的模型进行实证分析,认为该投资标准能够帮助投资者在行情较差的情况下,选取亏损相对较少的基金;4、本文给出了基金投资决策的一般步骤。