工作论文：基于

此外，从单个股票来看，改善后的股票主要集中在电力设备、石化、纺织服装、煤炭、商业零售和食品饮料等行业，在一定程度上反映了行为因素对这些行业具有一定的预测力。5.3真实交易策略的思路基于上述预测结果，证明FWSVRmodel对股票有一定的影响，可以提高股票预测的准确性。因此，该模型可以作为股票交易策略中的股票选择系统，本文为该方法在实际交易中的应用提供了一些思路。构建股票选择策略的具体步骤如下：步骤1：设置股票池（股票范围）、股票选择时间跨度和因子工具。对于中国股市，我们通常可以选择HS 300成分股或CSI 500成分股。为了保证选股的准确性，选股时间跨度应大于3年。因子库应在包含技术因子的前提下包含行为因子。步骤2：运行FWSVR模型程序进行数据回测。通过程序的数据处理、技术参数的设置与选择、因子筛选等步骤，可以得到各股票在时间跨度下各评价指标的结果值。第三步：根据股票评价指标的表现筛选股票，将评价指标较好的股票纳入预测集中。在预测集中为次日股价预测运行FWSVR模型程序。如果产生正回报率，则可以购买股票，反之亦然。此外，对预测集中的股票执行每日数据更新，并重复步骤2至步骤3.6中的步骤。

结论在本文中，我们扩展了特征加权SVRAL算法的影响因素范围，并设置了更长的周期来检验其稳健性。我们首先将影响股价波动的因素分为行为因素和技术因素，行为因素主要包括天气指标和情绪指标。然后通过灰色关联分析的方法对关系进行测度。交易日内股价与其影响因素之间的关系，并将此关系转化为各影响因素的特征权重。利用特征权重对各交易日的影响因素权重进行加权，最后采用支持向量回归（SVR）。与经典SVR模型相比，FWSVR模型的预测结果有了显著改善，FWSVR模型具有鲁棒性和通用性。此外，我们还比较了仅包含技术因素和同时包含技术因素和行为因素的两种情况。结果表明，技术因素和行为因素都可以用来预测股票。技术因素更适用，行为因素的应用范围更窄。但行为因素在平均估值指数上也有较大改善，尤其是在电力设备、石化、纺织服装、煤炭、商业零售和食品饮料行业。参考Sang A，Hodrick R J，Xing Y，等。波动率和预期收益的横截面[J]。NberWorking Papers，2006，61（1）：259-299。Baba N，Kozaki M.基于神经网络的股票价格智能预测系统[C]。神经网络国际联合会议，1992371-377。Baker M，Stein J C.《市场流动性作为情绪指标》[J]。

《金融市场杂志》，2004年，7（3）：271-299。Chalimorda A，Sch"olkopf B，Smola A J.不同噪声模型和参数设置下支持向量回归的实验最优ν[J]。神经网络，2004，17（1）：127-141。Fisherkenneth L，StatmanMeir。投资者情绪与股票收益[J]。金融分析师Journal，2000，56（2）：16-23。Hirshleifer D.投资者心理与资产定价[J]。金融杂志，2001,56（4）：1533-1597。刘建康，胡勇。灰色关联度特征加权支持向量回归在股价预测中的应用【J】。神经计算与应用，2013，22（1）：143-152。龙登举。灰色理论基础[M]。武汉：华中科技大学出版社，2002年，Akridakis，Wheelwright S C，Hyndman R J.预测方法与应用[M]。Johnwiley&sons，2008年。Merton R C.跨期资本资产定价模型[J]。计量经济学，1973,41（5）：867-887。《股票价格与华尔街天气》[J]。《美国经济评论》，1993,83（5）：1337-1345。Seo S.单变量数据集中异常值检测方法的回顾与比较[D]。匹兹堡大学，2006年。杜树新，吴铁军。回归支持向量机[J]。《系统模拟杂志》，2003，15（11）：1580-1585。Tay F E H，Cao L.支持向量机在金融时间序列预测中的应用[J]。中国电子科技大学学报，2007，29（4）：309-317。Tversky A，Kahneman D.《不确定性下的判断：启发式和偏见》。[J] 。《科学》，1974185（4157）：1124-1131。Vapnik，Vladimir N.《统计学习理论的本质》[J]。IEEE神经网络学报，20 02，8（6）：1564-1564。孟向泽，刘新勇。基于遗传算法的模糊神经网络股市建模与预测[J]。

信息与控制，1997，26（5）：388-392。陈兴、孟卫东、严太华。基于T-S模型的模糊神经网络预测股市行情【J】。系统工程-理论与实践，2001，21（2）：66-72。杨益文、刘桂忠、张宗平。基于嵌入理论和神经网络的混沌数据预测及其在股市中的应用[J]。系统工程理论与实践，2001，21（6）：52-58。宗璞新。投资者情绪及其对中国股市的影响研究[D]。辽宁大学，2017年。附录情感指标的计算：特质率（IVR）32X来自Fama-French三因素模型的独立于市场的非系统波动率。公式如下：1 23（）如果mf tr r r HML SMB IVRββ-= - + + +（A.1）式中：因子HML表示股票组合收益率的高市盈率，最小市盈率股票组合收益率，因子SMB表示小盘股收益率减去大盘股收益率。AR33xreflect市场人气。它是以当日的开盘价为基础，通过比较当日的最高和最低价格与当日的市场价格，来反映一定时期内开盘价在股价中的位置。公式如下：max，i，1，min，i1（）==-=-∑∑（A.2）式中：max，iPis为i天的最高价格，min，iPis为i天的最低价格，start iPis为i天的开盘价，N=26。ADTM34X是指开盘价向上波动幅度与向下波动幅度之间的差异来描述价格的高低。

其步骤如下：步骤1：如果开盘价<=最后一天的开盘价，则DTM=0elsemaxmax（（），（））start start lastDTM P P P P P=--步骤2：如果开盘价>=最后一天的开盘价，DBM=0elseminmax（（），（））start start lastDBM PPPP=--步骤3:11，NNIIISTM DTM SBM DBM====∑∑步骤4：如果STM>SBM，ADTM=（STM-SBM）/STM否则，如果STM<SBM，ADTM=（STM-SBM）/SBMelse ADTM=0其中：最后一天的开盘价，N=23。OBV35X是指股票市场交易量的变化来衡量股票市场的驱动力，从而判断股票价格的走势。其公式如下：1，i last，，i last，sgn*1sgn1ii istart istart iOBV OBV VolPPPP-= +≥=-<（A.3）式中：iVolis是i天的股票交易数量，OBV的初始值通常由第一天的交易量代替。