人工智能选股之支持向量机模型｜华泰证券2017深度研究
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。
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
- 本文研究导读
- 支持向量机介绍
- 模型测试流程
- 模型测试结果
- 核支持向量机比较
- 支持向量机与支持向量回归比较
- 高斯核模型选股策略详细分析
- 总结和展望
报告信息
- 文件全名
- 《人工智能行业系列之三：人工智能选股之支持向量机模型-华泰证券》
- 适合读者
- 核心数据
- 高斯核SVM全A选股超额收益21.1%
- 信息比率3.66
- 测试集正确率56.25%
- 沪深300行业中性策略超额收益4.9%
- 核心议题
常见问题
《人工智能选股之支持向量机模型｜华泰证券2017深度研究》主要包含哪些内容?
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。核心数据:高斯核SVM全A选股超额收益21.1%;信息比率3.66;测试集正确率56.25%。
这份报告由哪家机构发布?
本报告由华泰证券发布,发布于 2017 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2017 年,全文约 33。
这份报告是免费的吗?如何获取?
本报告免费查阅,登录资料宝后即可在线获取完整内容。
这份报告适合哪些读者?
适合量化研究员、金融工程师、投资经理、AI选股从业者等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、华泰证券等议题。
继续阅读
查看全部 →