人工智能选股之支持向量机模型｜华泰证券2017深度研究

报告摘要

本报告系统测试了线性核、多项式核、高斯核和Sigmoid核等支持向量机模型及支持向量回归在多因子选股中的应用。核心发现：高斯核SVM在沪深300、中证500及全A选股策略中均表现优异，全A行业中性策略超额收益达21.1%，信息比率3.66，预测正确率56.25%，优于其他核函数及线性回归。报告详细介绍了模型构建流程（特征提取、交叉验证、回测评价）及策略效果，适合量化研究员、金融工程师、投资经理及AI选股从业者参考。

📋 核心要点(部分)

1. 本文研究导读
2. 支持向量机介绍
3. 模型测试流程
4. 模型测试结果
5. 核支持向量机比较
6. 支持向量机与支持向量回归比较
7. 高斯核模型选股策略详细分析
8. 总结和展望