[發明專利]一種基于遺傳算法的量化投資的優化方法

在審

• 申請號: 202110659560.8
• 申請日: 2021-06-15
• 公開（公告）號: CN113570456A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 武暢;李杰;陳陽;金雪敏;黃肖曼;周奕;王躍
• 申請（專利權）人: 電子科技大學
• 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所(普通合伙) 11870
• 代理人: 何凡

本發明公開了一種基于遺傳算法的量化投資的優化方法，其包括初始化支持向量機量化分析模型的輸入數據和模型參數；采用遺傳算法對輸入數據和模型參數進行處理，得到最優輸入數據和最優模型參數；將最優輸入數據和最優模型參數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測，根據預測結果選擇前只股票構成投資組合；根據馬科維茲算法對投資組合各股的權重進行計算，并根據資產配比得到投資組合的實際收益。本發明在降低計算成本的同時，可以達到高投資回報和低風險。

技術領域

本發明涉及金融的量化分析領域，具體涉及一種基于遺傳算法的量化投資的優化方法。

背景技術

股票預測一直是金融市場研究中的熱點問題，量化投資也并非最近才出現的新事物。長期以來被眾多投資者所接受的是有效市場假說，但是有效市場假說僅僅是基于傳統線性模型的一種假設。因為金融市場的復雜性和非線性，還受到各種政治事件、市場狀況的影響。同時隨著大數據與人工智能、機器學習的快速發展，許多學者們都證實了股票價格是可以預測的。這也使得許多研究人員期望提出一種最好的非線性模型來預測股價走勢。

區別于定性投資，量化投資是利用數學知識及計算機技術決定交易時間、交易對象、交易金額的新型投資方式。量化投資并不寄希望于一兩次的收益，而是采用長線策略獲取大概率的高收益。量化投資可以和多領域進行結合，但是隨著人工智能的發展，機器學習在量化投資中的應用越來越廣泛。量化投資的核心是模型，通過對歷史數據的建模，并且將其用在對未來市場的預測，從而形成交易策略。

股價預測是量化投資中的一個重要的方向。如果能在上漲之前買入股票，在下跌前賣出，這樣投資人就可以獲得高額收益，也消除了風險，當然這是理想的狀態。由于金融市場十分復雜，影響其的因素眾多，所以其數據噪聲也很大。找到影響股價走勢的因子并通過優秀的模型對股價進行正確的預測是一個非常困難的任務。在量化投資的發展歷程中主要分為三種，分別是傳統的技術分析、時間序列預測、數據挖掘以及機器學習。傳統的技術分析現在已經無法再繼續運用于擁有海量數據的市場中了。而機器學習卻能很好的完成這個任務，其隨著人工智能的發展而興起，在量化投資策略的研究中具有重大的意義。

發明內容

針對現有技術中的上述不足，本發明提供的一種基于遺傳算法的量化投資的優化方法解決了對龐大和復雜的金融數據的識別學習的問題。

為了達到上述發明目的，本發明采用的技術方案為：

提供一種基于遺傳算法的量化投資的優化方法，其包括以下步驟：

S1、初始化支持向量機量化分析模型的輸入數據和模型參數；

S2、采用遺傳算法對輸入數據和模型參數進行處理，得到最優輸入數據和最優模型參數；

S3、將最優輸入數據和最優模型參數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測，根據預測結果選擇前m只股票構成投資組合；

S4、根據馬科維茲算法對投資組合各股的權重進行計算，并根據資產配比得到投資組合的實際收益。

進一步地，步驟S1的具體方法包括以下子步驟：

S1-1、選取股票的相關數據作為輸入數據，同時設置參數搜索范圍；

S1-2、去除輸入數據的空值并做標記，將輸入數據分為樣本內數據和樣本外數據，并對所有分類后的輸入數據依次進行歸一化和標準化處理；其中樣本內數據和樣本外數據的比例為8:2。