MATLAB支持向量机学习笔记

此文章为《量化投资以MATLAB为工具》一书中支持向量机（SVM）部分，自己的实验记录。

测试数据为上证指数1990.12.19至2009.08.19的真实指数，数据大小为4579x6的矩阵。其中每一行表示每一个交易日的上证指数各种指标，6列分别表示当天上证指数的开盘指数、指数最高值、指数最低值、收盘指数、当日交易量和当日交易额。

下面按书中提到步骤，对流程进行介绍：

获取上证指数的数据

可以从本书的在线资源中下载所有源码以及数据，定位到此章后，即可得到名为『chapter_sh.mat』的数据。输出为图形，如下所示：

上证指数每日的开盘指数

选定自变量与因变量

选取第1个到第4578个交易日内每日的开盘指数、指数最高值、指数最低值、收盘指数、交易量和交易额作为自变量，选取第2个到第4579个交易日内每日的开盘数作为因变量。

代码如下：

[m, n] = size(sh);
ts = sh(2:m, 1);
tsx = sh(1: m-1, :);

数据预处理

通过使用mapminmax函数，对上证指数进行归一化处理，区间为1到2。处理后的图形如下图所示：

上证指数每日的开盘指数归一化结果

参数选择

通过自定义的SVMcgForRegress.m函数，实现对参数的选择，先进行粗略选择，再进行精细选择。

粗略选择

其二维及三维结果如下图所示：

粗略选择结果（二维）

粗略选择结果（三维）

精细选择

其二维及三维结果如下图所示：

精细选择结果（二维）

精细选择结果（三维）

训练及回归预测

通过libSVM工具提供的svmtrain以及svmpredict函数完成对数据的训练。效果如下：

原始数据和回归数据对比

从图中可以看到两者的数据基本是吻合的。

再通过predict - ts';得到两者的差值，生成的误差图如下：

误差图

再求得它们之间的相对误差图，如下所示：

相对误差图

从上图中可看到，后期预测数据相对实际数据的偏差较为平稳，基本处在0.1（10%）的区间内。

结语

通过对书中的随书代码进行重新校验，在此过程中，练习了MATLAB的使用，以及LibSVM类库的安装。

由于本书编写的时间较早，部分接口以及配置等都有所变动，在实验过程中，也遇到相关的问题，不过都通过网络方案予以解决。