量化择时选股系列报告二：水致清则鱼自现_小波分析与支持向量机择时研究-平安证券-20120220
由qxiao创建，最终由qxiao 被浏览 197 用户
摘要
模型对上证指数取得较好的择时收益
本文采用小波分析加支持向量机的方法构建量化择时模型，并检验了在不同参数条件下预测模型对应交易策略的有效性。最终发现预测模型得到的交易策略对上证指数具有较好择时效果，在训练时间窗为5个交易日的情况下，经过小波分析滤波后得到的预测模型单日预测正确概率可以达到56.01%，交易成功概率达到84.65%，每次交易扣除1%的交易成本后，从2000年2月21日到2011年12月31日，模型共获得84.28倍的收益。
模型对沪深300指数的择时收益尚待改进
本文在使用小波分析和支持向量机的模型对沪深300指数进行建模后，发现无论是指数的日数据还是周数据，都取得了明显的预测效果，预测涨跌的正确概率都显著得高于55%，正确概率的均值达到60%。虽然如此，该模型的预测序列在对应的交易策略中并没有取得较高择时收益。总体来看，周数据交易模型收益率要高于日数据交易模型，滤波后效果最好的交易模型扣除单次1%的交易成本后也只创造4.5倍的收益。
小波分析对提升模型预测效果功勋卓著
小波分析是目前进行时频分析应用最广泛的工具，在信号异常分析、信号压缩、信号滤噪等方面有广泛的应用。本文在实证中发现，无论对于上证数据还是沪深300数据，无论对于日交易数据还是周交易数据，无论对于何种长度时间窗，在采用小波分析进行滤波之后，模型预测效果以及对应交易模型的效果都有显著提高。
模型在未来会进行两个方面的改进
坦率的讲，该模型对小规模资金进行择时操作具有较好适应性，而对大资金的择时操作则显吃力，这主要是由于模型交易频率偏高所致。从对模型的实证检验的结果来看，过高的交易频率使得交易成本高企，如果资金规模较大，由于冲击成本提高将使交易成本显著超过1%。在未来，平安金融工程将会从两个方面改进模型，一个方向是降低模型的交易频率，使得模型更适合大资金操作；另一个方向是提高模型的交易频率，使得该模型更适合投资像股指期货等高交易频率、低交易成本的品种
正文
/wiki/static/upload/41/416b6bb1-9b9d-42d6-afe8-ec0bf7674cdc.pdf
\