论文部分内容阅读
创业板市场既是一个门槛比较低、风险相对大、监管很严格的股票市场,它也是一个能孵化科技型和高成长型企业的摇篮型资本市场。创业板设立的目的就是服务于自主创新的国家战略,这些创业板上市的小企业充满活力,代表着我国经济转型的大方向,创业板的上市企业都具有创业、创新、成长的特征,其容纳的新兴产业多元性以及创业板本身与转型升级战略的高度契合是其他板块所不具备的。因此,对于学者而言,对创业板指数的研究可以了解资本市场对创新创业企业的认可程度,也可以了解新兴产业的发展状况;对于投资者而言,对创业板指的研究可以为创业板的投资布局提供指导参考。虽然运用人工智能的方法对于指数的预测已经得到广泛研究,但是其对创业板指数的预测尚未有学者研究,特别是基于支持向量机的创业板指预测研究。随着我国创业板股票市场的不断发展壮大,运用支持向量机模型对创业板指数的预测、分析和实际应用对于投资非常重要。本文采用单步预测法,即前日数据预测当日收盘指数,运用主成分分析法、粒子群优化算法构建PCA-PSO-LIBSVM支持向量机模型,即首先将数据归一化之后,采用主成分分析法对多维数据进行降维处理,然后应用粒子群优化算法对参数进行优化处理,然后支持向量机给出回归的预测结果。本文把整个数据区间划分为三个市场:下跌市场、震荡市场和上升市场。针对每个区间市场分别运用PCA-PSO-LIBSVM模型和人工动态神经网络模型进行预测并分析。并以此进行交易策略开发研究。通过预测分析发现,PCA-PSO-LIBSVM支持向量机获得了较理想的预测结果,在上述的划分的三个市场行情中,其预测结果全都优于动态神经网络的预测。然后,基于以上结论本文运用PCA-PSO-LIBSVM预测模型的结论构建了“创业板ETF配合融资融券的T+0交易策略”和“创业板指股指期货T+0交易策略”,经过实盘模拟交易策略应用,证实这两个交易策略都取得了良好的收益,体现了预测研究结果的实用性。