基于支持向量机的股指期货交易策略研究
发布时间：2021-09-11 09:53
股指期货可以“反向交易”,既可做多,也可做空,具有价格发现、套期保值等多种功能。同时,股指期货交易具有高杠杆性,风险巨大,因此能否对股指期货的价格运行趋势进行大概率准确的预测对实战成功具有现实指导意义。对于金融数据的预测,传统预测方法包括基本面分析、技术分析以及时间序列分析等。但是,面对非线性的金融数据,这些方法存在着各种各样的局限,预测效果也不是很理想。随着统计学理论、数据挖掘以及人工智能技术的发展,更多的机器学习方法被应用到金融数据领域,并且取得了不错的效果。支持向量机作为近年来机器学习领域的研究热点,由结构风险最小化的统计理论发展而来,具有较强的泛化能力。由于支持向量机在预测小样本、非线性数据具有一定的优势,于是,本文建立了基于支持向量机的股指期货价格分类预测模型,并在此基础上构建了相应的交易策略。本文以我国上证50股指期货为研究对象,将期货价格的未来趋势划分为涨、跌两种,通过历史交易数据来预测未来交易价格的涨跌情况。具体过程如下:（1）基于鞅理论利用历史数据找出收盘价的异常值,即“离群点”数据,对样本进行筛选,从而实现数据的清洗。（2）选择影响期货价格的相关指标时,本文选择了7...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
图２－２上证５０股指期货交易情况??由图２－２可以看出２０１５年作为上证５０股指期货推出的第一个年度，其年成??
?４％??图２－１行业占比图??由表２－１和图２－１可以看出，上证５０指数的成分股所分布的行业还是比较??丰富的，其中金融行业的比重最大，达到３８％。可见，上证５０指数主要集中在??金融行业，具有较强的行业偏向性特征，存在的风险也相对集中。??２．３上证５０股指期货介绍??上证５０股指期货是一种以上证５０指数为标的物的期货品种，上证５０股指??期货从其推出以来，其交易详情如图２－２所示（数据来源于中国金融期货交易所）：??３５?「?１?４０００??＿?３０?■?＼￣ｆ￣＼?＇?３５００?隽??＾?■?３０００?量??２０?．?１?．?２５００??■?２０００??１５?－?１??－１５００??１０?．?Ｉ?■?１０００??５?■?！；?ｍ?ｍ?＇?５００??ｑ?丨丨?１＾１?．?Ｉ￣￣?．?１?ｂ???．?Ｉ?Ｕ??ｑ??２０１５?２０１６?２０１７?２０１８??口成交额（万亿元）■成交量（万手）??图２－２上证５０股指期货交易情况??由图２－２可以看出２０１５年作为上证５０股指期货推出的第一个年度，其年成??交量和年成交额都是可观的，年成交量达到３５４８．３９２万手，年成交额达到３０．６９??万亿元。这主要是因为在２０１５年之前，国内的资本市场在经历了长达４年的“熊??市”压制
?ｍａｒｇｉｎ?＝?２／＼Ｍ＾??图３－１支持向量机分类原理??对于线性分类问题，如图３－１所示，有两种不同的样本，／／是将这两类样本??正确分开的分类面。线条历、与线条／／平行，同时这两条线上的点到／／的距??离是最近的，历、ｆｔ两条线之间的距离被称为两类样本的分类间隔，两条平行??１３??
【参考文献】：
期刊论文
[1]基于集成算法的股票指数预测[J]. 王玥,孙德山. 经济数学. 2018(04)
[2]股指期货推出对股市的影响[J]. 郑逸. 合作经济与科技. 2018(17)
[3]机器学习方法在股指期货预测中的应用研究——基于BP神经网络、SVM和XGBoost的比较分析[J]. 黄卿,谢合亮. 数学的实践与认识. 2018(08)
[4]基于正则化LSTM模型的股票指数预测[J]. 任君,王建华,王传美,王建祥. 计算机应用与软件. 2018(04)
[5]基于BP神经网络和小波降噪的沪深300股指期货价格预测[J]. 程伟,许学军. 农场经济管理. 2018(04)
[6]基于小波与动态GM（1,1）-ARIMA模型的股价预测研究[J]. 骆桦,陈艳飞. 浙江理工大学学报(自然科学版). 2017(04)
[7]基于近邻互信息的SVM-GARCH股票价格预测模型研究[J]. 张贵生,张信东. 中国管理科学. 2016(09)
[8]灰色神经网络在股价预测中的应用[J]. 周琴,雍丹丹,王兴龙. 商. 2015(39)
[9]基于小波分析的股指期货高频预测研究[J]. 刘向丽,王旭朋. 系统工程理论与实践. 2015(06)
[10]基于支持向量机与信息粒化的上证指数预测研究[J]. 周晓辉,姚俭. 科技通报. 2014(09)
硕士论文
[1]沪深300股指期货价格预测研究[D]. 吴迪.沈阳工业大学 2018
[2]基于支持向量机的股指期货短期价格预测研究[D]. 马绍宇.重庆工商大学 2018
[3]基于长短期记忆模型的期货价格预测[D]. 李科嘉.中国科学技术大学 2018
[4]基于小波核支持向量机回归的股指期货价格预测[D]. 梁成.上海师范大学 2018
[5]我国股指期货对现货市场价格波动性影响的实证分析[D]. 刘畅.华中师范大学 2018
[6]基于随机森林方法的沪深300指数涨跌预测研究[D]. 王伟.天津财经大学 2017
[7]基于改进GA优化参数的SVR股价预测研究[D]. 孙秋韵.福建师范大学 2015
本文编号：3392789
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
图２－２上证５０股指期货交易情况??由图２－２可以看出２０１５年作为上证５０股指期货推出的第一个年度，其年成??
?４％??图２－１行业占比图??由表２－１和图２－１可以看出，上证５０指数的成分股所分布的行业还是比较??丰富的，其中金融行业的比重最大，达到３８％。可见，上证５０指数主要集中在??金融行业，具有较强的行业偏向性特征，存在的风险也相对集中。??２．３上证５０股指期货介绍??上证５０股指期货是一种以上证５０指数为标的物的期货品种，上证５０股指??期货从其推出以来，其交易详情如图２－２所示（数据来源于中国金融期货交易所）：??３５?「?１?４０００??＿?３０?■?＼￣ｆ￣＼?＇?３５００?隽??＾?■?３０００?量??２０?．?１?．?２５００??■?２０００??１５?－?１??－１５００??１０?．?Ｉ?■?１０００??５?■?！；?ｍ?ｍ?＇?５００??ｑ?丨丨?１＾１?．?Ｉ￣￣?．?１?ｂ???．?Ｉ?Ｕ??ｑ??２０１５?２０１６?２０１７?２０１８??口成交额（万亿元）■成交量（万手）??图２－２上证５０股指期货交易情况??由图２－２可以看出２０１５年作为上证５０股指期货推出的第一个年度，其年成??交量和年成交额都是可观的，年成交量达到３５４８．３９２万手，年成交额达到３０．６９??万亿元。这主要是因为在２０１５年之前，国内的资本市场在经历了长达４年的“熊??市”压制
?ｍａｒｇｉｎ?＝?２／＼Ｍ＾??图３－１支持向量机分类原理??对于线性分类问题，如图３－１所示，有两种不同的样本，／／是将这两类样本??正确分开的分类面。线条历、与线条／／平行，同时这两条线上的点到／／的距??离是最近的，历、ｆｔ两条线之间的距离被称为两类样本的分类间隔，两条平行??１３??
【参考文献】：
期刊论文
[1]基于集成算法的股票指数预测[J]. 王玥,孙德山. 经济数学. 2018(04)
[2]股指期货推出对股市的影响[J]. 郑逸. 合作经济与科技. 2018(17)
[3]机器学习方法在股指期货预测中的应用研究——基于BP神经网络、SVM和XGBoost的比较分析[J]. 黄卿,谢合亮. 数学的实践与认识. 2018(08)
[4]基于正则化LSTM模型的股票指数预测[J]. 任君,王建华,王传美,王建祥. 计算机应用与软件. 2018(04)
[5]基于BP神经网络和小波降噪的沪深300股指期货价格预测[J]. 程伟,许学军. 农场经济管理. 2018(04)
[6]基于小波与动态GM（1,1）-ARIMA模型的股价预测研究[J]. 骆桦,陈艳飞. 浙江理工大学学报(自然科学版). 2017(04)
[7]基于近邻互信息的SVM-GARCH股票价格预测模型研究[J]. 张贵生,张信东. 中国管理科学. 2016(09)
[8]灰色神经网络在股价预测中的应用[J]. 周琴,雍丹丹,王兴龙. 商. 2015(39)
[9]基于小波分析的股指期货高频预测研究[J]. 刘向丽,王旭朋. 系统工程理论与实践. 2015(06)
[10]基于支持向量机与信息粒化的上证指数预测研究[J]. 周晓辉,姚俭. 科技通报. 2014(09)
硕士论文
[1]沪深300股指期货价格预测研究[D]. 吴迪.沈阳工业大学 2018
[2]基于支持向量机的股指期货短期价格预测研究[D]. 马绍宇.重庆工商大学 2018
[3]基于长短期记忆模型的期货价格预测[D]. 李科嘉.中国科学技术大学 2018
[4]基于小波核支持向量机回归的股指期货价格预测[D]. 梁成.上海师范大学 2018
[5]我国股指期货对现货市场价格波动性影响的实证分析[D]. 刘畅.华中师范大学 2018
[6]基于随机森林方法的沪深300指数涨跌预测研究[D]. 王伟.天津财经大学 2017
[7]基于改进GA优化参数的SVR股价预测研究[D]. 孙秋韵.福建师范大学 2015
本文编号：3392789
本文链接：https://www.wllwen.com/jingjilunwen/qihuoqq/3392789.html
