基于多分類(lèi)支持向量機(jī)的選股模型研究.pdf

1、眾所周知股票市場(chǎng)是一個(gè)充滿各種信息的復(fù)雜系統(tǒng)。通常情況下，投資者所面對(duì)的是充斥著大量股票的市場(chǎng)，因此對(duì)于人們而言，如何選擇出適合投資的股票是其必須解決的問(wèn)題。從數(shù)據(jù)挖掘的角度看，股票選擇的問(wèn)題就是在股票的財(cái)務(wù)指標(biāo)和未來(lái)收益之間建立映射關(guān)系，并通過(guò)這種映射識(shí)別出能在下一年度戰(zhàn)勝大盤(pán)、并獲取超額收益的股票。
　　 本研究結(jié)合國(guó)內(nèi)股票市場(chǎng)特別是滬深A(yù)股的特點(diǎn)以及股市實(shí)際運(yùn)作情況，研究基于支持向量機(jī)的分類(lèi)技術(shù)在分類(lèi)選股中的應(yīng)用。為了降低

2、支持向量機(jī)非線性分類(lèi)器的模型復(fù)雜度，在不降低分類(lèi)精度的情況下，文中采用主成分分析技術(shù)對(duì)上市公司財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行屬性約減，該方法可以把原始的高維數(shù)據(jù)以少數(shù)幾個(gè)主成分表示，同時(shí)盡可能保留原始數(shù)據(jù)的更多完整信息。這樣就可以避免由于輸入矩陣中某些屬性的高度相關(guān)性給分類(lèi)器的復(fù)雜度帶來(lái)影響，從而可以提高模型在不同數(shù)據(jù)集上的泛化能力。最終按照等權(quán)重的投資策略，以本文提出的基于SVM的分類(lèi)技術(shù)所選出的優(yōu)勢(shì)股進(jìn)行投資，無(wú)論是在牛市或是熊市，都能獲取戰(zhàn)勝大