论文部分内容阅读
作为市场经济的重要一部分,股指期货市场和股票市场一起被称为现代经济的“晴雨表”。然而,股指期货的杠杆性也决定了投资者在进行股指期货投资时要面临更大的风险。能否对股指期货价格的未来走势进行准确的预测,是进行股指期货投资的关键所在。传统的一些证券市场分析方法如证券投资分析法、时间序列分析法往往需要基于一系列较为严格的假设,在面对非线性的证券市场时很难取得令人满意的效果。随着计算机及技术和统计学习理论的快速发展,证券市场分析预测方法得到了极大的丰富。机器学习由于对非线性的系统具有良好的逼近能力,因此被广泛应用在证券分析领域。本文研究的目标是基于机器学习领域近年来的研究热点——支持向量机理论来建立股指期货分类预测模型,并在该预测模型的基础之上初步构建针对上证50股指期货的交易策略,以期为投资者在进行股指期货投机时提供一定的参考。由于支持向量机在解决小样本和非线性问题时相较其他分析预测方法更具优势,因此更适合对上市时间不久的上证50股指期货进行分析预测。在对支持向量机中的核函数进行选择时,本文分别构建了基于不同核函数的分类预测模型。通过使用不同输入向量进行静态仿真,发现在对上证50股指期货价格进行预测时,高斯径向核函数的表现要优于其他常见的核函数。为了比较基本行情指标和技术指标在对上证50股指期货收盘价进行预测时表现,本文还利用高斯径向核函数分别构建了基于行情指标和相关技术指标构的动态预测模型,并在动态模型的基础上初步构建了股指期货投机策略。通过使用历史数据对交易策略进行回测,本文发现基于基础行情指标的交易策表现要远好于基于技术指标的交易策略。其中,前者在2015年7月7日至2016年3月1日内总盈利和收益率分别为29.838万元和192%,远超后者的12.972万元和126.57%。此外,在回测的时间段内基于基础行情指标的策略回撤率仅为基于技术指标的交易策略的1/3。