金融工程證券基于mt svm模型的市場預(yù)測2013年5月版市場維持震蕩少量參與反彈

1、研究場維持震蕩，少量參與反彈基于版)分析師：SAC NO：S11505110100142013 年 5 月 10 日人投資要點：xiangh l2013 年 4 月模型上漲，結(jié)果錯誤。l 2013 年 5 月份模型對上證指數(shù)的結(jié)果仍然是上漲。l 4 月份 市場震蕩下跌，模型 結(jié)果繼續(xù)錯誤。我們此前對于模型的 即是在如此市場環(huán)境下，尤其是震蕩為主基調(diào)的市場形勢，這類趨勢模型的 效果會有較大折扣。因此模型在近期不斷出現(xiàn)錯誤也是意料之中。同時在這種震蕩格局之下，市場的分化依然顯著，中小盤股的強(qiáng)勢特征仍然維持，強(qiáng)者恒強(qiáng)的局面一直未有變化。但市場整體卻維持在比較弱勢的環(huán)境之中，這其實也是當(dāng)前 整體環(huán)境的

2、一個側(cè)相關(guān)研究面體現(xiàn)。當(dāng)然藍(lán)籌股的估值已然便宜，中長期價值還是逐漸凸現(xiàn)出來， 這也為市場醞釀中期機(jī)會提供了一些有利的元素。從目前市場來格分化的特征已經(jīng)過于顯著，中小盤股相對藍(lán)籌股的估值溢價不斷上升預(yù)見未來基于之后，其風(fēng)險也逐漸凸現(xiàn)，在追逐中小盤股短期趨勢會的同時，也應(yīng)MT-SVM 模型的市場警惕其可能出的回調(diào)風(fēng)險。整體來看，市場的系統(tǒng)性機(jī)會仍然較少，（20. .11）投資上應(yīng)以謹(jǐn)慎為宜情。of 10研究報告金融工程研究14 月模型預(yù)回錯誤模型對 4 月份 證指數(shù)漲跌方向的：上漲；上證指數(shù) 4份漲跌：下跌 2.62%；4 月份最終預(yù) 結(jié)果：錯誤25 月模型市場：上漲模型對 5 月份上證指數(shù)漲跌方

3、向的：上漲3模型：市場維持震蕩，少量參與反彈4 月份市場震蕩下跌，模型結(jié)果繼續(xù)錯誤。我們此前對于模型的即是在如此市場環(huán)境下，尤其是震蕩為主基調(diào)的市場形勢，這類趨勢模型的效果會有較大折扣。因此模型在近期不斷出現(xiàn)錯誤也是意料之中。同時在這種震蕩格局之下，市場的分化依然顯著，中小盤股的強(qiáng)勢特征仍然維持，強(qiáng)者恒強(qiáng)的局面一直未有變化。但市場整體卻維持在比較弱勢的環(huán)境之中，這其實也是當(dāng)前整體環(huán)境的一個側(cè)面體現(xiàn)。當(dāng)然藍(lán)籌股的估值已然便宜，中長期價值還是逐漸凸現(xiàn)出來，這也為市場醞釀中期機(jī)會提供了一些有利的元素。從目前市場來格分化的特征已經(jīng)過于顯著，中小盤股相對藍(lán)籌股的估值溢價不斷上升之后，其風(fēng)險也逐漸凸現(xiàn)，在

4、追逐中小盤股短期趨勢機(jī)會的同能出現(xiàn)的回調(diào)風(fēng)險。整體來看，市場的系統(tǒng)性機(jī)會仍然較少，投資上仍應(yīng)以謹(jǐn)慎為宜，策略上可以少量參與震蕩中的反彈行情。正后的免責(zé)條款部分渤海 券具備證券投資咨詢業(yè)務(wù)資格2 o 104 模型結(jié)果歷史回顧圖 1：MT-SVM 模型的結(jié)果與上證指歷史走勢比較資料來源：渤海表 1：-SV模型預(yù)結(jié)果正 之后的免責(zé)條款部分渤海證券具備證券投資咨詢業(yè)務(wù)資格0002 201 年上證 數(shù)單月 跌情況（陰影 份表示 跌方向 測錯 ，無陰影月份 示漲跌方向預(yù) 正確）2 年03 年04 年0 年06 年07 年08 年09 年1 年11 年2 年1 月9.37%10 47%6 26%- .90%

5、.35%.14%16.699.33%-8.78-0.6 %4. 4%2 月2. 1%0. 1%5.3 %9.5 %3.263.40%-0.80%4.63%2 10%4. %5.9 %3 月.20%- .0 %3.9 %-9. 5%-0. 6%10. 1%-20 14%13 94%1 87%0 79%-6 82%4 月3.98%0. 2%-8. 8%-1 87%10 93%20 64%6. 5%4. 0%-7. 7%-0 57%5. 0%5 月9.12%.6 %-2.4 %-8.4 %13.966.99-7.0 %6.27-9.70%-5.77%-1.01%6 月14 32%-5 72-10.0

6、 %1.901.88%-7.03-20.3 %12.4 %-7. 8%0.6 %-6. 9%7 月4.68%0. 2%-0 93%0. 9%-3. 6%17 02%1 45%15 30%9.9 %-2.18-5.4 %8 月0 91%-3 71-3.187.37%2.85%16.73%-13.6 %-21 81%0. 5%-4 97%- .67%9-5.1 %- .86%4 07%-0 62%5. 5%6.3 %-4. 2%4. 9%0.64-8.1 %1.8910 月-4.69%-1. 8%-5. 5%-5 43%4 88%7 25%-2 .63%7. 9%12 17%4 62-0. 3%1

7、1 月-4.86%3.6 %1.530.5914.22-18. 9%8.2 %6.6 %-5.3 %-5. 6%-4. 9%12-5.3 %.1 %-5.5 %5.6227. 58.0 %-2.6 %2. 6%- .43-5. 414.6錯誤月數(shù)6(2)7(3)2(1)25(1)25（2）4 3）8（2年預(yù)準(zhǔn)確 158.3350%7 %41.6 %8 .3%83 33%58 33%83 33%58 33%6736年準(zhǔn) 率 28.33%66.67%75%66 67%91 67%8 .33%6 .67%8 .33%7 %91.750累計 測準(zhǔn)確6.35%67.39%70.00%70.2%76.00

8、%72.73%66.67%70.37%62%67%36%資料來源： 海錯誤月份中漲跌幅度在正負(fù) 2%以內(nèi)的月 數(shù)；準(zhǔn)確率；注：錯誤月數(shù)：括號內(nèi)數(shù)字表示年準(zhǔn)確率 1：單一年份準(zhǔn)確率 2：忽略單月準(zhǔn)確率 1：按當(dāng)?shù)仍谡?fù) 2%以內(nèi)年錯誤月份后的單一年份準(zhǔn)確率；累計至 012 年 12 月統(tǒng)計的總體準(zhǔn) 率；準(zhǔn)確率 2：忽略單月漲跌幅度在正負(fù) 2%以內(nèi)累計錯誤月份后的累計準(zhǔn)確率。5 以模型為參考的模擬操作我們可以以 MT-SVM模型為投資操作參考，以上證指數(shù)作為模擬投資標(biāo)的，若下月上漲，則以當(dāng)月收盤價買入，若下月下 ，則以當(dāng)月收盤價賣出。并以不同的年份為投資起點來考察最終的投資情況，并和相應(yīng)期 內(nèi)

9、上證指數(shù)進(jìn)行比較（不考慮成本）。表 2：以 MT-SVM模型為參考的模擬資率比較(截止 2013 年 4 月 26)以投模型 操作參考的率（以上證 數(shù)為同期上證指數(shù) 益率（截止4 月 6 日）模擬投資周標(biāo)的，看漲 入，看跌賣出20 2 年以來37 .7%2.3 %404. 5%60. 2%2003 年 來2004以來416. 1%45.4 %389%72%2005 年 來420 5%87. 8%200 年以來007 年以來68.09%10.43%6.32%54.46%008 年以來009 年以來19.6244%-12.46%-33.54%2010 年以來2011 年以來-13.8%-22.44

10、%資料來源：渤海正文 后的免責(zé)條款部分渤海證券份具 證券投資咨業(yè)務(wù)資of 10率 1計預(yù)測準(zhǔn)確27 .03%76.08%7.5%79%81.35%77.27%74.28%81.48%3%91.7%50%圖 2：2002 年以來模型投資模擬凈值和上證指數(shù)表現(xiàn)比較(截止 4 月 26 日)資料來源：渤海文之后的免責(zé)條款部分渤海證券具備證券投資咨詢業(yè)務(wù)資格0附 1MT-SVM模型簡介基于股票市場的非線性特征以及各種輸入對市場波動影響 復(fù)雜性，我們采用人工智能的技術(shù)，基于 SVM（支持向量機(jī)），通過對宏觀以及市場數(shù)據(jù)進(jìn)行挖掘?qū)W習(xí)，從而對未來市場走勢進(jìn)行。因此，通過對市場波動行為特征的研究，我們構(gòu)建了

11、MT-SVM模型來對市場漲跌方向進(jìn)行。模型的參數(shù)主要用到宏觀變量、技術(shù)指標(biāo)變量以及市場價格漲跌波動的數(shù)據(jù)；以支持向量機(jī)為主結(jié)合統(tǒng)計和其他數(shù)量化技術(shù)；我們的模型以 1998 年以來近 13 年的時間作為全部的考察和模擬樣本，并對 2002年以來近 9 年的每月市場漲跌進(jìn)行了滾動的模擬和實證檢驗。MT-SVM模型的內(nèi)核主要由四個模型組成，這四個模型分別是：1）基于上證指數(shù)漲跌的時間序列模型（滯后模型）；2）基于宏觀變量和技術(shù)指標(biāo)變量的橫截面模型（領(lǐng)先模型）；基于技術(shù)指標(biāo)（主要是 MACD）的預(yù)型（趨勢模型）；4） 及將三個模型結(jié)合起來的算 優(yōu)化模型，從而得到最終的果。圖 9、MT-SVM型內(nèi)核框架

12、結(jié)果資料來源：渤 證券研究模型 1 滯后測模）：正文的免責(zé)條款部分渤海 券具備證券投資咨詢業(yè)務(wù)資格6 of 10模型 4： 算法優(yōu)化模型 3：技術(shù)指標(biāo)，MACD模型 2：宏觀與技術(shù)指標(biāo)，SVM模型 1：漲跌時間序列，SVM采用支持向量機(jī)對每月上證指數(shù)漲跌進(jìn)行，上漲記為+1，下跌記為-1。訓(xùn)練樣本是 1998 年至 2001 年的上證指數(shù)月漲跌方向的時間序列數(shù)據(jù)。歷史的漲跌方向時間序列作為輸入向量，要的月漲跌方向作為，進(jìn)行 n 組樣本訓(xùn)練之后，對下一的漲跌方向進(jìn)行一步。模型主要采用滾動時間窗的建模方式進(jìn)行一步預(yù)：假設(shè)有一 L 組連續(xù)測。滾動時間窗數(shù)據(jù)，系統(tǒng)當(dāng)前的狀態(tài)主要由過去時刻到當(dāng)前時刻的 L

13、 組數(shù)據(jù)來描述，即系統(tǒng)當(dāng)前的建?？梢詮漠?dāng)前起到過去的 L 組數(shù)據(jù)中得到。因此可用 L 組數(shù)據(jù)建模，由于系統(tǒng)是時變的，新的輸入輸出數(shù)據(jù)不斷得到，為了使模型能夠準(zhǔn)確反映系統(tǒng)當(dāng)前的狀態(tài)，就要用新的數(shù)據(jù)描述模型，而與當(dāng)前時刻相關(guān)性變小的數(shù)據(jù)可以忽略或在建模中所占的比重應(yīng)降低，因此，建立一個隨時間滾動的建模數(shù)據(jù)區(qū)間，并保持該時間長度 L 不變。當(dāng)又一個數(shù)據(jù)加入時，最早的一個數(shù)據(jù)相應(yīng)從 L 區(qū)間滾動出 ，隨著系統(tǒng)地進(jìn)行，模型隨 數(shù)據(jù)區(qū)間的更新，不斷更新。由于這個滾動的數(shù)據(jù)區(qū)間的數(shù)據(jù)時間變化，因此稱這個數(shù)據(jù)區(qū)間為滾動時間窗。模型 2（領(lǐng)先模型）：模型 2 采用歷史漲跌方向數(shù)據(jù)、最近的宏觀變量數(shù)據(jù)以及最新統(tǒng)計

14、的部分技術(shù)指標(biāo)數(shù)據(jù)來作為輸入樣本的屬性。考察的樣本仍然是 1998 年至今的所有數(shù)據(jù)。對于宏觀變量和技術(shù)指標(biāo)的選取，經(jīng)驗性結(jié)合數(shù)據(jù)挖掘、模型實驗起到重要的影響作用。宏觀變量部分，我們主要用到 M1、M2、CPI、PPI 等宏觀指標(biāo)，并且由于宏觀數(shù)據(jù)公布的滯后性，某的漲跌時，采用的實際上是兩前的宏觀數(shù)據(jù)（譬如，預(yù)測 5 月份漲跌所采用的是 3 月份的宏觀數(shù)據(jù)）。而技術(shù)指標(biāo)主要涉及到 MACD、RSI、BIAS、KDJ 等主要指標(biāo)。對這些變量進(jìn)行標(biāo)準(zhǔn)化處理之后作為輸入變量，屬性仍然是要的下月漲跌方向（上漲或下跌）。該模型的也是采用類似模型1 的動態(tài)滾動，與模型 1 有所不同的是，由于宏觀變量和技術(shù)

15、指標(biāo)的引入，需的歷史數(shù)據(jù)來作為訓(xùn)練 持，因此訓(xùn)練樣本部分不少于 50 組數(shù)據(jù)，以后每一次，增加一組訓(xùn)練樣本，同時保留歷史所有的樣本數(shù)據(jù)。模型 3（趨勢模型）：模型 3 是一個將 MACD 指標(biāo)進(jìn)行參數(shù)優(yōu)化并進(jìn)行相關(guān)的量化處理后得到對市場指示意義的指標(biāo)。該指標(biāo)與前兩個模型不同的是會有三種 測結(jié)果，除了“上漲”“下跌”以外，還會得到一個“不確定”的結(jié)果。這個模型的主要作用其實是在險和對部分趨勢的。模型 4（算法優(yōu)化模型）：正文之后的免責(zé)條款部分渤海證券具備證券投資咨詢業(yè)務(wù)資格7 of 10模型 4 則是將前三個模型結(jié)果 一定的算法進(jìn)行優(yōu)化處理，從而得到最終的果。結(jié)附 2MT-SVM 模型的適用范圍

16、和問題MT-SVM模型的適用范圍MT-SVM 模型可以適 于股票市場擇時、趨勢跟蹤、機(jī)構(gòu) 資者股票倉位管理；指數(shù)化投資以及基金投資；股指期貨套期保值的擇時決策，股指期貨的單邊投資決策。MT-SVM模型的問題目前模型還不能漲跌的幅度；模型的時間跨度僅以月為；模型對市場震蕩階段以及市場拐點效果較差；接近 30%的錯誤率會影響投資的最終效果，因此實際決策過程相結(jié)合；模型結(jié)果若在一段時間內(nèi)被市場驗證為有效，其效果可能會受到市場行為反饋的沖擊。正文之后的免責(zé)條款部分渤海證券具備證券投資咨詢業(yè)務(wù)資格8 of 0投資評級說明重要1：本報告中的均來源于已公開的資料，我公司對這些的準(zhǔn)確性和完整性不作任何保證，不

17、保證該任所述證券何更新，也不保證本公司做出的任何建議發(fā)生任何變更。在任何情況下，報告中的或所表達(dá)的意見并不的出價或詢價。在任何情況下，我公司不就本報告中的任何內(nèi)容對任何投資做出的擔(dān)保。我公司及其關(guān)聯(lián)機(jī)構(gòu)可能會持有報告中提到的公司所的證券并進(jìn)行，還可能為這些公司提供或爭取提供投資銀行或財務(wù)顧問服務(wù)。我公司的關(guān)聯(lián)機(jī)構(gòu)渤海證券證券可能在本報告公開發(fā)表之前已經(jīng)使用或了解其中的。歸渤海證券所有，未獲得，需注明出處為“渤海事先，任何人不 對本報告進(jìn)行的發(fā)布、。如、刊”，也不得對本報告進(jìn)行有悖原意的刪節(jié)和修改。重要2：本報告PDF版本由唯一制作。文之后的免責(zé) 款部分渤海證有限 司具備證券投 咨詢業(yè)務(wù)格9 of 10項目名稱投資評級評級說明公司 級標(biāo)強(qiáng)烈推薦未來 6內(nèi)相對滬深 300 指數(shù)漲幅超過 20%薦來 6內(nèi)相對滬深 300 指數(shù)漲幅介于 10% 0%之間持未 6內(nèi)相對滬深 300 指數(shù)漲幅介于-10%10 之間回避未來 6內(nèi)相對滬深 300 指數(shù)跌幅超過 10%行業(yè)評級標(biāo)看未來 12內(nèi)相對于滬深 300 指數(shù)漲幅超過 10數(shù)漲幅介于-10%-10%之間看淡未來 12內(nèi)相對于滬深 300 指數(shù)跌幅超過 10%渤海華南機(jī)構(gòu)銷售部經(jīng)理售經(jīng)理座機(jī)：86-