[發(fā)明專利]一種基于遺傳算法的量化投資的優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 202110659560.8
• 申請日: 2021-06-15
• 公開（公告）號: CN113570456A
• 公開（公告）日: 2021-10-29
• 發(fā)明（設(shè)計）人: 武暢;李杰;陳陽;金雪敏;黃肖曼;周奕;王躍
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06Q10/04;G06N20/10;G06N3/12
• 代理公司: 北京正華智誠專利代理事務(wù)所(普通合伙) 11870
• 代理人: 何凡

1.一種基于遺傳算法的量化投資的優(yōu)化方法，其特征在于，包括以下步驟：

S1、初始化支持向量機量化分析模型的輸入數(shù)據(jù)和模型參數(shù)；

S2、采用遺傳算法對輸入數(shù)據(jù)和模型參數(shù)進行處理，得到最優(yōu)輸入數(shù)據(jù)和最優(yōu)模型參數(shù)；

S3、將最優(yōu)輸入數(shù)據(jù)和最優(yōu)模型參數(shù)輸入支持向量機量化分析模型，通過該量化分析模型對股票的漲跌概率進行預(yù)測，根據(jù)預(yù)測結(jié)果選擇前m只股票構(gòu)成投資組合；

S4、根據(jù)馬科維茲算法對投資組合各股的權(quán)重進行計算，并根據(jù)資產(chǎn)配比得到投資組合的實際收益。

2.根據(jù)權(quán)利要求1所述的基于遺傳算法的量化投資的優(yōu)化方法，其特征在于，步驟S1的具體方法包括以下子步驟：

S1-1、選取股票的相關(guān)數(shù)據(jù)作為輸入數(shù)據(jù)，同時設(shè)置參數(shù)搜索范圍；

S1-2、去除輸入數(shù)據(jù)的空值并做標(biāo)記，將輸入數(shù)據(jù)分為樣本內(nèi)數(shù)據(jù)和樣本外數(shù)據(jù)，并對所有分類后的輸入數(shù)據(jù)依次進行歸一化和標(biāo)準(zhǔn)化處理；其中樣本內(nèi)數(shù)據(jù)和樣本外數(shù)據(jù)的比例為8:2。

3.根據(jù)權(quán)利要求2所述的基于遺傳算法的量化投資的優(yōu)化方法，其特征在于：股票的相關(guān)數(shù)據(jù)包括漲跌幅、最高價、成交額、開盤價、最低價、日換手率、收盤價、成交量、市盈率、市凈率、市銷率、資產(chǎn)回報率、權(quán)益回報率、營業(yè)利潤率、產(chǎn)權(quán)比率、流動比率、存貨周轉(zhuǎn)率、營業(yè)收入增長率、均真實區(qū)間、二十日成交金額的移動平均值、動態(tài)買賣氣指標(biāo)、相對強弱指標(biāo)、成交量震蕩、成交量量指數(shù)平滑異同移動平均線、股票二十日收益、同十日乖離率、十日順勢指標(biāo)、錢德動量擺動指標(biāo)、價量趨勢指標(biāo)、修正動量指標(biāo)、五日收盤價三重指數(shù)平滑移動平均指標(biāo)、上軌線指標(biāo)、隨機指標(biāo)、十日移動均線、平滑異同移動平均線和動量指標(biāo)中的至少一個數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的基于遺傳算法的量化投資的優(yōu)化方法，其特征在于，步驟S2的具體方法包括以下子步驟：

S2-1、采用遺傳算法，按照輸入數(shù)據(jù)、支持向量機的懲罰因子和核函數(shù)帶寬的順序?qū)Τ跏蓟妮斎霐?shù)據(jù)和模型參數(shù)進行編碼，生成染色體；

S2-2、隨機生成一個初始種群，其包含n個個體；

S2-3、將種群中的個體輸入到支持向量機量化分析模型進行訓(xùn)練；

S2-4、匹配目標(biāo)函數(shù)值，計算個體適應(yīng)度，并根據(jù)輪盤賭算法選擇個體遺傳到下一代的概率；

S2-5、對個體進行交叉、選擇和變異操作，得到新的進化后的個體，將進化后的個體加入到下一代種群中；

S2-6、判斷目標(biāo)函數(shù)值是否達到預(yù)設(shè)的迭代代數(shù)，若是則輸出該情況下的支持向量機量化分析模型的最優(yōu)輸入數(shù)據(jù)和最優(yōu)模型參數(shù)，并進入步驟S3；否則回到步驟S2-3。

5.根據(jù)權(quán)利要求4所述的基于遺傳算法的量化投資的優(yōu)化方法，其特征在于，步驟S2-1中編碼的具體方法包括以下子步驟：

S2-1-1、將編碼設(shè)定為(F,C,σ)；其中F、C和σ均為基因單位，F(xiàn)為輸入特征，即輸入數(shù)據(jù)，C為支持向量機的懲罰因子，以及σ為核函數(shù)的帶寬；

S2-1-2、從位點到對輸入數(shù)據(jù)進行編碼，通過位點的值1或0來分別表示該輸入數(shù)據(jù)是否被采用；從位點到對支持向量機的懲罰因子進行編碼；從位點到對核函數(shù)的帶寬進行編碼。

6.根據(jù)權(quán)利要求1所述的基于遺傳算法的量化投資的優(yōu)化方法，其特征在于，步驟S4的具體方法為：

根據(jù)公式：

得到投資組合的實際收益R′_t；其中，ω_i為對投資組合各股進行馬科維茲算法計算后的權(quán)重，R_t(s_i,t)為股票i在時間t的實際收益，s_i,t為在時間t預(yù)測的排名為i的股票，m為股票支數(shù)。