检索结果-南通市图书馆

检索条件"主题词=基于L1的模糊孪生支持向量机"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于孪生支持向量机的量化投资研究

基于孪生支持向量机的量化投资研究

引用

作者：邓晶上海工程技术大学

学位级别：硕士

SVM是一个统计学习算法,主要是利用结构风险最小化原理对数据分类。该算法可以利用核函数将不可分数据映射到高维空间中,解决VC维问题。目前,基于SVM的研究数不胜数,改进的SVM算法有FSVM、TWSVM和FTWSVM等算法。这些算法在原始SVM算法... 详细信息

SVM是一个统计学习算法,主要是利用结构风险最小化原理对数据分类。该算法可以利用核函数将不可分数据映射到高维空间中,解决VC维问题。目前,基于SVM的研究数不胜数,改进的SVM算法有FSVM、TWSVM和FTWSVM等算法。这些算法在原始SVM算法的基础上,不仅提高了对数据预测的正确率,而且加快了计算效率。本文主要针对TWSVM算法进行改进,并将改进的算法应用到量化投资中。首先,为了探究TWSVM在量化投资方面的适用性,本文先利用随机分类数据对TWSVM分类模型中的不同核函数进行评估,验证了基于ploy核和linear核的TWSVM分类模型在高维和含噪声的数据中具有稳定的预测正确率。再利用ploy核函数建立一个基于TWSVM的股票预测模型,并根据预测结果设计投资方案。将模拟交易的结果与SVM、logistics、RF等分类模型作对比,实验结果基于TWSVM的量化投资模型所获得的累计收益最高,验证TWSVM分类模型在高维和含噪声的股票数据上具有优良的预测性能。其次,为了提高TWSVM分类模型预测的正确率,参照已有成果对TWSVM模型进行了改进。一方面,为降低噪声数据对模型的影响,在TWSVM的两个凸优化问题中引入了模糊隶属函数。另一方面,秉承结构风险最小化原理,在TWSVM分类模型中加入了l1范数,最终提出了lFTWSVM分类模型。然后,为了检验lFTWSVM分类模型的有效性,本文从人造二维数据和UCI数据两个方面分别做了实验。在人造数据中,lFTWSVM分类模型分类的正确率高于SVM、TWSVM和llTSVM分类模型。在UCI数据中,lFTWSVM分类模型是在UCI数据分类正确率最高的模型中占比最大的模型。以上实验证明lFTWSVM分类模型在TWSVM分类模型的基础上提高了预测能力。最后,为了探究lFTWSVM在量化投资方面的适用性,本文建立了基于lFTWSVM的量化投资模型。实验结果表明基于lFTWSVM的量化投资策略获得的累计收益率达到了32.9%,比RF的年华收益率高出5.36%,证明了lFTWSVM分类模型不仅继承了TWSVM模型对股票数据预测的适用性,而且在样本数据大量减少的情况下,lFTWSVM分类模型仍然具有较好的预测能力。比较lFTWSVM分类模型与SVM、TWSVM、llTSVM等模型及trees、GBDT、RF等模型在股市中的具体表现,策略风险评价指标说明lFTWSVM分类模型在量化投资应用中具有很好的指导作用。

关键词：孪生支持向量机基于L1的模糊孪生支持向量机量化投资随机森林梯度提升树

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：