本文介绍了使用C++实现的支持向量机（SVM）在沪深300股的多因子选股模型。通过设置标签和数据集分割，训练与测试模型，最终选用高斯核函数，参数C=0.3，gamma=0.01，模型在样本内和外的预测表现出良好性能。此外，模型预测值与基本面因子关联性强，与交易类因子关联性弱。回测结果显示，高斯核SVM在年化收益率、夏普比率和最大回撤等方面表现出优势。
这段时间美股跌跌不休，我们最近接连见证了道琼斯指数跌破2万点，美联储无限制QE放水，巴菲特变身巴韭特。
数全球股市风流，还是大A股行情一片独好。那么今天我们继续机器学习课堂，来讲讲SVM多因子选股模型在沪深300股的策略构建、回测的全过程。
SVM扩展-多因子选股模型(上)
1.模型构建
1.1 标签设置及数据集分割
对于支持向量机模型，本文主要采用分类模型，因此需要将收益率数据转化为标签，在每个月末截面期，选取下月收益排前、后 30% 的股票分别作为正例 (? = 1)、负例 (? = −1)。
为了对模型进行测试，需要对数据集进行分割，故将前一半数据样本合并，作为训练集，后 一半数据样本作为测试集。
最低0.47元/天 解锁文章
540
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
