量化择时----Charles Li SVR1.2基于支持向量机

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

这是一个基于支持向量回归机建立的量化择时工具。为方便作为交易策略中择时工具使用，对1.1版本改善了函数句柄和算法。安装后直接使用SVR00函数即可。
本工具箱使用遗传算法对三参数进行寻优处理，适合用于金融产品等其他数据的预测问题。
发在数据挖掘板块，没人用，挺好的东西怎么就……转到本版来，希望有人关注吧。。。
支持向量机是基于小样本回归的神经网络，关于预测效果，不吹牛，我用沪深300作为训练集进行参数寻优、训练集回归。直接上图：




SVR文件夹包括三个部分：
Charles Li：
         SVR00为主函数；SVR001为归一化函数；SVR002为主成分降维函数；
         SVR03为遗传算法寻优函数；SVR04为SVR模型预测函数
GA: 设菲尔德大学开发的遗传算法工具箱
LibSVM：台湾林智仁先生开发的LivSVM工具箱
HuShen300Test.mat：
                 该文件保存的是沪深300指数从2012年到2013年3月的数据。其中
                 训练集为2012年到2013年2月，预测集为2013年2月到3月。选取
                 开盘价、最高价、最低价、成交金额、成交量为自变量，收盘价
                 为因变量，步长为5。文件用于测试使用。将SVR文件夹添加路径
                 后输入：
                 load 1.mat
                 [ptest,ptrain,model,cmd]=SVR00(Test_y,Test_x,Train_y,Train_x,1)
                 即可
SVRGenerator.m：
              该函数用来将倒入数据生成程序需要的格式。其中num1为训练集
              矩阵，num2为预测集矩阵，第一列保存因变量，其后任意列数保
              存任意数量的自变量；bc为步长。
              调用格式为：
              [Train_x,Train_y,Test_x,Test_y]=SVRGenerator(num1,num2,bc)
每个函数的使用说明详见对应的.m文件。
本工具箱借鉴了 libsvm-[farutoUltimate3.1]的部分内容，根据预测需求删改了部分内容，并对函数句柄加以优化，使之更加简洁易懂，更适合金融预测、数据挖掘使用。
辛辛苦苦开发的工具箱，为了方便大家便宜卖了，简直是贱卖啊。。。使用、引用还麻烦请注明Charles li SVR 1.0。
如有改进建议欢迎发邮件到spacegoing@gmail.com，由于最近较忙，回复若不及时敬请谅解.
Market Timing---Charles Li SVR1.2.zip (327.6 KB, 需要: 5 个论坛币)

2013-5-12 21:15:33 上传

需要: 5 个论坛币  [购买]

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：Charles 支持向量机 量化择时 SVR ARL 函数 开发

Sorry，刚刚图片没黏贴上……

局部数据变化不大时预测比较准， 大起大落时可以看到有明显的“相位差”，预测比实际值落后一步
用普通时间序列模型做的话， 不知道结果是不是差不多。
希望在画上两条线， 表示90%的置信区间，即理论是90%的可能性盖住实际值，如果你的90%置信区间比时间序列模型要“窄”，说明你的方法比较好， 如果差不多的话，还不如用时间序列模型，我感觉你的计算量比较大

xuruilong100 发表于 2013-5-13 10:00
局部数据变化不大时预测比较准， 大起大落时可以看到有明显的“相位差”，预测比实际值落后一步
用普通时间 ...

      非常感谢！我要需要向大家交代一下。例子中我使用开盘价、最高价、最低价、成交量对收盘价回归，人为设定滞后期为5、预测步长为5，并没有进行滞后期识别，训练集选择没有任何依据，仅仅是为了展示一下；另外，模型没有采用多步策略，而是通过历史数据直接训练一次得到模型，有大量的信息冗余。
    特别说明一下，我编写的SVMGenerator只能生成符合工具箱需要的数据格式，应付作业题是足够了，不过如果需要实战中应用，必须制定交易策略进行回测，自己另外编写一个能够识别趋势、滞后期、步长程序。因为支持向量机是小样本非线性预测，特别适合运用于多步直接策略，对基于趋势突破的交易策略非常适用。这里仅仅是给大家提供一个思路。
    至于您提到的问题。首先，因为工具箱中的支持向量回归机使用非线性方法，通过RBF核函数进行低维空间到高维的线性映射，也就是说默认沪深300是非线性的，因此没有给出置信区间。如果您需要与时间序列模型进行比较，可以使用均方误差等指标。
    关于计算复杂度的问题，由于我自身需要因此在SVR03.m函数中将最大遗传代数设置成了100，大家可以根据自己需要修改最大遗传代数提高速度。对于一般的股票数据20代是比较合适的。
    感谢您的回复，希望回答对您有所帮助。

如果要比较的话我有一个方案，用一个时间序列模型模拟一组数据，然后用你的方法预测；然后再反过来做，用你的方法模拟一组数据，用时间序列模型预测。
其实我觉得股价也好，指数也好，相邻两点间的相对差别并不大，我可以告诉你两种数据，股票融资买入资金数和融券卖出股数，波动非常剧烈，你可以试一试你的方法预测的准不准
http://data.eastmoney.com/rzrq/sh.html

spacegoing 发表于 2013-5-12 21:21
Sorry，刚刚图片没黏贴上……

我下载了你的代码回家去慢慢研究，谢谢！

Good job。我对这领域很感兴趣，但是苦于没有金币，能烦劳发我一份学习吗？
amao92@163.com
大谢

额..... lz 不是我打击你, 你用机器学习的办法去做, 是可以的, 但是你这样做我不用看都知道是不可能有结果的.... 用回归的办法基本上只可能是把过去的价格按照一定的滞后平移

用分类可能还有一定的准确, 但是同样不可能解决历史滞后问题, 要不断地调整时间窗口, 滚动训练, 前期处理数据找到更好的训练集(不是像你这样一古脑塞进去), 小波或者pca, 找到更好的特征(像你这样用当天的K线数据....额, 中国市场有无效到这个程度么?)......

非常感谢