人工智能选股系列——支持向量机（SVM）模型

Posted 2021-04-26 万矿

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了人工智能选股系列——支持向量机（SVM）模型相关的知识，希望对你有一定的参考价值。

Wind 旗下高端量化云平台

支持向量机(SVM)是应用最广泛的机器学习方法之一。线性支持向量机能够解决线性分类问题，核支持向量机则主要针对非线性分类问题，支持向量回归能够处理回归问题。我们将对包括线性核、多项式核、高斯核和 Sigmoid 核在内的各种核函数支持向量机以及支持向量回归进行系统性的测试，并分析它们应用于多因子选股的异同，希望对本领域的投资者产生有实用意义的参考价值。

本文参考：华泰证券《人工智能选股之支持向量机模型》

支持向量机（SVM）介绍

支持向量机（Support Vector Machine，SVM）是应用最广泛的机器学习方法之一。在20世纪90 年代，传统神经网络式微，深度学习尚未兴起，支持向量机由于其极高的预测正确率，并且能够解决非线性分类问题，成为当时最流行的机器学习方法。支持向量机可分为线性支持向量机和核支持向量机，前者针对线性分类问题，后者属于非线性分类器。相对于传统的分类器，神经网络，决策树，贝叶斯分类方法，支持向量机在于它提出了间隔最大化的思想，使得其在预测分类上有着更好的效果，对比的传统的分类器算法往往只要只要在迭代过程中找到解就停止运算。

另外一个就是在处理非线性可分的数据集采用核函数的方法将数据映射到高维空间，在本身不增加数据的维度的情况下避免了样本空间的稀疏，从而一定程度避免了维灾难。

人工智能选股系列——支持向量机（SVM）模型

数据指标的获取以及预处理

在这个部分，首先参考之前社区分享的建立市场因子库系列的代码，以及研报使用的相关因子，其中包括估值因子，规模因子，杠杆因子，技术因子，动量因子，以及成长因子。

首先采用2018年8月1号的沪深300为选股的股票池，然后选用数据的时间为2015年1月1日至2016年6月30日的数据来建立模型，在这之前，必须去掉2015年之前未上市的股票，筛选过后共有270只股票。

部分代码展示（完整查看文末）

人工智能选股系列——支持向量机（SVM）模型

数据预处理

先中位数去均值法处理异常值（使用的是5倍标准差），然后看缺失值情况，直接删去或用均值替代，最后做市场中性化处理以及标准化。

获取因变量涨跌幅，由于是因变量未下个月相对于上个月的涨跌幅，所以得滞后一个月。去除缺失后将其进行排序：

人工智能选股系列——支持向量机（SVM）模型

接下来将涨跌幅最高的两千个样本分为一类，以及涨跌幅最低的两千个样本分为一类：

人工智能选股系列——支持向量机（SVM）模型

训练集和测试集的划分

这部分按照研报的做法，选择收益率排名接近前约为40%的股票分为一类和收益率排名为后约为40%的股票分为一类。标签记为1和0，并将这部分作为训练集。因变量为收益率，即股票的月涨跌幅，在这里因为预测的是之后下个月的收益率，所以获取的月份数必须滞后一期，之后为与之前的因子数据对齐再向前前退一期。

人工智能选股系列——支持向量机（SVM）模型

SVM模型构建、交叉验证参数选择

在我们建立的模型中，除了通过迭代训练得到的参数外，还有一些参数是需要人为设定的，既然如此，那么多少就带了很大的主观性，为避免这种主观性，能通过交叉验证的方法来选择最优参数。在这里按照研报的做法，只考虑罚项C和系数gamma，在支持向量机模型中最常用的就是核函数的选择以及最常用的就是高斯核和线性核和多项式核，如果是高斯核那么还涉及参数gamma的设定，除此外模型为防止过拟合还需要人为设定参数C，交叉验证的方法采用GridSearchCV，即每次对每一个核函数的两个参数进行组合进行遍历的方式，按照判断标准来选择最优参数，这里采用的准确率。参数的选择范围以及评判标准参考了研报的做法。