[发明专利]一种基于支持向量机量化投资的金融股票涨跌预测方法

权利要求书

1.一种基于支持向量机量化投资的金融股票涨跌预测方法，其特征在于，包括如下步骤：

S1、收集若干股票特征因子数据，去除其中数据空值并做标记，将标记后的数据分为样本内数据集Ⅰ和样本外数据集Ⅰ，所述样本内数据集Ⅰ和样本外数据集Ⅰ均具有多类特征因子数据，且它们的特征因子数据类别一一对应相同；

S2、对样本内数据集Ⅰ和样本外数据集Ⅰ进行标准化处理；

S3、对于标准化处理后的样本内数据集Ⅰ中的每一类特征因子数据，计算其与其下月涨跌幅之间的MIC值；

S4、对于标准化处理后的样本内数据集Ⅰ，将其中MIC值最大的k类特征因子数据全部取出并构成样本内数据集Ⅱ，对于标准化处理后的样本外数据集Ⅰ，将其中MIC值最大的k类特征因子数据全部取出并构成样本外数据集Ⅱ，利用样本内数据集Ⅱ/样本外数据集Ⅱ中各类特征因子数据的MIC值构成MIC序列，并对MIC序列中各MIC值进行归一化处理；

S5、对样本内数据集Ⅱ和样本外数据集Ⅱ进行PCA处理，分别得到训练数据集和测试数据集；

S6、根据支持向量机和归一化处理后的MIC序列，得到改进型支持向量机；

S7、利用训练数据集对改进型支持向量机进行训练，得到金融股票涨跌预测模型；

S8、将测试数据集输入金融股票涨跌预测模型，输出得到金融股票涨跌结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，对于每一类特征因子数据，其在所述样本内数据集Ⅰ和样本外数据集Ⅰ中的个数比为8:2。

3.根据权利要求1所述的方法，其特征在于，所述步骤S1中，对数据进行标记的方法为：按照下月涨跌幅对股票特征因子数据进行排序，之后从中选取涨幅前30％的特征因子数据标记为+1并作为正样本，选取跌幅前30％的特征因子数据标记为-1并作为负样本，丢弃未标记的剩余特征因子数据。

4.根据权利要求3所述的方法，其特征在于，所述步骤S2中，对于某类特征因子数据X＝{x₁,x₂,...,x_n}，其标准化处理过程为：

计算其均值

计算其标准差

计算其标准化数据

5.根据权利要求4所述的方法，其特征在于，所述步骤S6具体为：

获取支持向量机；

根据归一化处理后的MIC序列得到权重w＝{w₁,w₂,...,w_k}，其中

根据权重将支持向量机的高斯核函数修改为κ(x_i,x_j)＝exp(-(w_i+w_j)||x_i-x_j||²/2σ²)，得到所述改进型支持向量机。

6.根据权利要求5所述的方法，其特征在于，所述步骤S7中，在训练过程中，将训练数据集分成若干子训练集，之后采用十折交叉验证法，利用各子训练集对改进型支持向量机进行训练。

7.根据权利要求6所述的方法，其特征在于，所述步骤S8中，金融股票涨跌结果表示为pd(p,distance)，其中，distance表示下月股票涨/跌的概率，p表示下月股票涨/跌，若p＝1，则表示股票下月要涨，若p＝-1，则表示股票下月要跌。

8.根据权利要求7所述的方法，其特征在于，所述步骤S4中，对MIC序列中各MIC值进行归一化处理的过程具体为：

记MIC序列mic＝(m₁,m₂,...,m_k)，设其中的最大值为max，最小值为min；

对MIC序列中的每个元素都进行如下操作：