量化：基于支持向量机的择时策略

参考

Python机器学习算法与量化交易
利用机器学习模型，构建量化择时策略

机器学习简介

机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。

机器学习的常见算法包括：决策树、朴素贝叶斯、支持向量机、随机森林、人工神经网络、深度学习等。

策略简介

输入沪深300的行情数据到支持向量机中进行模型训练，预测沪深指数第二天的涨跌。

Why SVM?
因为数据集为沪深300的日线行情数据，总共只有几千个交易日（样本点），而SVM的小样本预测准确率较高，并且能够解决非线性分类问题，所以比较适合。

SVM简介

SVM最初的设计用来解决二分类问题（比如沪深指数的涨和跌），通过寻找一个最大间隔超平面（图中黑色斜线）将两类样本线性区分开，并保证两侧样本的最近边缘点到这个平面的距离最大，由于最大间隔超平面仅取决于两个类别的边缘点，例如上图中被红线和蓝线穿过的红点和蓝点，这些点就被称为支持向量。
数据集并非总是线性可分的，如下图。

对数据非线性可分的情况，SVM引入了核函数，将低维不可分的数据映射到线性可分的高维，如下。

常用的核函数有
但在现实当中，由于噪声和极端样本点的存在，数据集无论在低维还是高维都可能出现线性不可分的情况，于是乎，SVM当中引入了松弛变量的概念，允许了最大间隔超平面不用完美区分两个类别，允许错误分类的存在，SVM通过惩罚系数C控制这些错误分类的容忍程度，C值越高分类准确率越高，但数值过高容易导致过拟合，C值过低则会导致准确率受损。

整体流程

收集数据

tushare接口

准备数据

借助TA-lib库，计算以下因子：

• EMA：加权的指数移动平均线，更重视近期值，反应价格在某个时间段的趋势。
• 价格波动率：衡量价格波动幅度的大小。
• 价格斜率：衡量价格走势的变化速度。
• RSI：衡量股价走势力量和速度，基于价格变动的大小和速度，通过计算最近一段时间内股价涨跌幅度的平均值，将过去一段时间内的涨跌幅度转化为0到100之间的数值。
• 威廉指标值：通过分析一段时间内的最高价、最低价和收盘价之间的关系来衡量市场波动的强度，在判断超买和超卖状况方面有较好的效果。

给每个样本点打上标签，计算出每个样本点第二天的涨幅，如果涨则设置标签为1，跌则设置标签为0。

建立模型

使用SVM模型

训练模型

1. 将数据集的80%作为训练集，剩余20%作为测试集。
2. 对数据集进行标准化处理，(原始值 - 均值) / 标准差，以尽量消除不同因子量纲的差别（如EMA均值为2919.6，而RSI均值为52.7）。
3. 将训练集数据输入SVM中：实例化sklearn的svm后，把训练集因子数据和对应标签传入fit函数，惩罚系数1.0，核函数为RBF，开始训练。

测试模型

注意是择时策略，即预测沪深300的涨跌，所以净值曲线与实际曲线越吻合越好，曲线的偏差反应了预测的正确率。不同于择时+选股策略，净值曲线高出沪深300越高越好。

调节参数

现在使用的5个因子，还没有反应到价格波动的本质，还可以增改更多的因子。

还比如说，SVM模型当中的惩罚系数C过小，对错误样本的容忍度过高，RBF核函数不适合作为这个数据集的映射转换函数。