大数据分析的应用案例——投资模型的稳健性

• 作者: 王邦国 覃雄派 陈跃国
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 算法交易 支持向量回归 稳健性 投资组合多样化 大数据
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 第四届大数据学术会议(CCF BIGDATA2016)
• 页码范围: 660-667
• 页数: 8页
• 分类号: TP311.13
• 字数: 13041字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017.03.660

摘要

交易模型的稳健性,指的是该模型的利润率曲线的波动性较小,没有大起大落.针对一个基于支持向量回归(SVR)技术的算法交易模型的稳健性问题,提出了使用若干导出指标训练统一的交易模型的策略,以及投资组合多样化的方法.首先,介绍基于支持向量回归技术的算法交易模型;然后,基于常用指标,构造了若干导出指标,用于股票价格的短期预测.这些指标,刻画了近期价格运动的典型模式、超买/超卖市场状态,以及背离市场状态.对这些指标进行了规范化,用于训练交易模型,使得模型可以泛化到不同的股票;最后,设计了投资组合多样化方法.在投资组合里,各个股票之间的相关性,有时会导致较大的投资损失;因为具有较强相关关系的股票,其价格朝相同方向变化.如果交易模型预测的价格走势不正确,引起止损操作,那么这些具有较强相关关系的股票,将引发雪崩式的止损,于是导致损失加剧.把股票根据相似性聚类到不同类别,通过从不同聚类类别中选择若干股票来构成多样化的投资组合,其中,股票的相似性,通过交易模型在不同股票上近期的利润曲线的相似度进行计算.在900只股票10年的价格大数据上进行了实验,实验结果显示,交易模型能够获得超过定期存款的超额利润率,年化利润率为8.06％.交易模型的最大回撤由13.23％降为5.32％,夏普指数由81.23％提高到88.79％,交易模型的利润率曲线波动性降低,说明交易模型的稳健性获得了提高.