基于SVM模型的期货择时交易策略

michaelliu1128

SVM属于监督学习算法，对于求解小样本、非线性、高维度问题具有优秀的泛化学习能力，而择时交易策略则属于利用SVM解决二元分类问题。构建SVM模型的过程可以简要概括为寻求支持向量与超平面函数间隔的最大化，从而优化求解模型参数。SVM在求解非线性问题时使用核函数将数据映射到高维空间，以寻求超平面进行分类，同时在低维空间进行内积运算。

SVM择时策略模型对数据进行归一化和降维处理，然后选取粒子群算法和遗传算法进行参数优化。将带有涨跌标签的普通量价数据和技术指标作为训练集数据源，将SVM模型训练成一个可以预测涨跌的分类器。

回测结果显示SVM择时策略模型预测准确率超过50%，并且对下跌趋势的预判能力较高。模型具有良好的累计授予率与夏普比率，其中技术指标类特征量得出策略模型最大回撤控制在10%以内。