【摘要】：本文以支持向量機(jī)為研究工具,對中國證券市場進(jìn)行投資分析,研究的重點(diǎn)放在對A股的長期投資價值的挖掘。以1999～2011年A股全部上市公司(電信服務(wù)行業(yè)和金融行業(yè)除外)為研究樣本,分行業(yè)進(jìn)行建模和分析。由于數(shù)據(jù)存在不平衡問題,在模型的選取上,分別嘗試了支持向量機(jī),加權(quán)支持向量機(jī)和向上取樣法三種方案建立模型,并對模型效果進(jìn)行了比較,實(shí)驗(yàn)結(jié)果證明,在本案例中,加權(quán)支持向量機(jī)在處理不平衡數(shù)據(jù)方面優(yōu)勢明顯。由于本文的目的是挖掘具有長期投資價值的股票,而股票的長期投資價值往往與其基本而信息相關(guān)度高,因而最終選取了上市公司的23項(xiàng)財(cái)務(wù)指標(biāo)作為輸入向量。同時,由于股票的投資價值的最終體現(xiàn)在其投資收益率上,因而,本文選取股票的5年收益率排名作為標(biāo)簽變量。5年收益率排名前25%的歸為“+1”類；5年收益率排名后75%的歸為“-1”類。從而把選股問題轉(zhuǎn)化為分類問題。在研究過程中,劃分了五個研究周期,分別是：1999～2007年,2000～2008年,2001～2009年,2002～2010年,2003～2011年。每個研究周期分別作為訓(xùn)練樣本訓(xùn)練模型,再把本周期和其后各周期作為測試樣本,以測試模型效果。最終的實(shí)驗(yàn)結(jié)果表明,加權(quán)支持向量機(jī)模型的選股效果最好,無論模型的學(xué)習(xí)能力還是模型的泛化能力都有比較好的表現(xiàn),是一種有效的選股方法。
【圖文】：

4.恢復(fù)階段第二次世界大戰(zhàn)結(jié)束之后到20世紀(jì)60年代，歐美卜J的經(jīng)濟(jì)復(fù)蘇促進(jìn)了證券市場的恢復(fù)和發(fā)展，證券市場的規(guī)模不斷擴(kuò)大。同時，由于囚際貿(mào)易的恢復(fù)，證券市場的國際化進(jìn)程也逐步加快。但由于上一次大蕭條的陰影還在，，以及各國政府對資本的流動實(shí)行了嚴(yán)格的管制，這一時期的證券市場的發(fā)展并不十分引人注目。5.加速發(fā)展階段20世紀(jì)70年代開始，證券市場迎來了高度繁榮的局面。石卜券市場的規(guī)模進(jìn)一步擴(kuò)大，證券交易越來越活躍。作為反映市場容量的重要指標(biāo)，各國的證券化率’不斷提高。有數(shù)據(jù)顯示，1995年末美國、英國、日本的證券化率分別為96.59%、128.59%、73.88%。而到了2003年，這三國的證券化率分別提高至298.66%、296.54%、209.76%。盡管2008年的金融海嘯對各國的經(jīng)濟(jì)和證券市場都造成了嚴(yán)重的打擊。但在金融海嘯漸漸退去之后，我們可以看到證券市場又開始逐步活躍起來。

似鷯?0世紀(jì)90年代初期，與國際證券市場相比，我們的證券市場是個年幼的孩子。但即使是個孩子，在這不多的近20年的發(fā)展歷程中，我國的證券市場可謂發(fā)展迅猛即.4.5東，.5.9」。圖1一1中，顯示了上海證券交易所的歷年投資者累計(jì)開戶數(shù)量。截止到2009年底，_L海證券交易所的投資帳戶總量已達(dá)到7405.4力一戶，為 1992年的帳戶總量的66倍之多。圖1一2中，顯示了深圳證券交易所的歷年投資者累計(jì)開戶數(shù)量。截比到2009年底，深圳證券交易所投資賬戶總量達(dá)到9484萬戶，而1992年投資賬戶僅為1000多戶。7000r-6000-5000-4000井3000匕2000-1000一0一一—一一一過-一上一二一)_子里子書子廣書書了件才井?dāng)U里才月才了圖1一2:，992一2007年深圳證券交易所投資賬戶數(shù)量(單位:萬戶)圖1一3和圖1一4給出了2002年一2009年滬深兩市的__仁市公司數(shù)目和市價總值�？梢钥吹�
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：F224;F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 汪靈枝;趙秋梅;韋增欣;;支持向量機(jī)回歸集成股市預(yù)測模型[J];廣西工學(xué)院學(xué)報(自然科學(xué)版);2010年03期

2 彭海華,秦姣華;加權(quán)支持向量機(jī)在證券指數(shù)預(yù)測中的研究[J];湖南城市學(xué)院學(xué)報(自然科學(xué)版);2005年02期

3 隋學(xué)深;齊中英;;基于多尺度特征和支持向量機(jī)的股市趨勢預(yù)測[J];哈爾濱工業(yè)大學(xué)學(xué)報(社會科學(xué)版);2008年04期

4 蔡春;何賽;郝燁;;支持向量機(jī)在股票特征選擇中的應(yīng)用研究[J];經(jīng)濟(jì)導(dǎo)刊;2009年Z1期

5 奉國和,朱思銘;加權(quán)支持向量機(jī)在證券指數(shù)預(yù)測中的研究[J];經(jīng)濟(jì)數(shù)學(xué);2005年02期

6 王晴;;組合模型在股票價格預(yù)測中應(yīng)用研究[J];計(jì)算機(jī)仿真;2010年12期

7 辛治運(yùn);顧明;;基于最小二乘支持向量機(jī)的復(fù)雜金融時間序列預(yù)測[J];清華大學(xué)學(xué)報(自然科學(xué)版);2008年07期

8 沈巍;牛東曉;;股票收益波動率預(yù)測模型比較研究[J];商場現(xiàn)代化;2009年04期

9 張世龍;孟澤;;運(yùn)用基礎(chǔ)指標(biāo)對深證綜指的短期預(yù)測[J];商場現(xiàn)代化;2010年29期

10 全林;姜秀珍;趙俊和;汪東;;基于SVM分類算法的選股研究[J];上海交通大學(xué)學(xué)報;2009年09期

相關(guān)博士學(xué)位論文 前1條

1 汪東;基于支持向量機(jī)的選時和選股研究[D];上海交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前8條

1 蔣漢橋;基于支持向量機(jī)的證券投資決策研究[D];武漢大學(xué);2005年

2 劉海旆;基于支持向量機(jī)的上市公司成長性研究[D];南京財(cái)經(jīng)大學(xué);2006年

3 程硯秋;基于支持向量機(jī)的證券價格預(yù)測方法研究[D];大連理工大學(xué);2007年

4 楊彥寧;支持向量回歸機(jī)在基金凈值預(yù)測中的應(yīng)用[D];西安科技大學(xué);2008年

5 石秀福;基于支持向量機(jī)的上市公司財(cái)務(wù)信用評價預(yù)測方法研究[D];華東師范大學(xué);2008年

6 李大鋒;支持向量機(jī)在基金評估中的應(yīng)用[D];廈門大學(xué);2008年

7 徐愷;基于支持向量機(jī)的股指時間序列預(yù)測[D];西南交通大學(xué);2008年

8 狄明明;聚類分析和支持向量機(jī)相結(jié)合的混合預(yù)測模型[D];遼寧師范大學(xué);2009年

本文編號：2609485