大数据分析的应用案例——投资模型的稳健性
来源：计算机应用杂志2017年第3期北京时间：
作者：覃雄派, 陈跃国, 王邦国
单位：1. 中国人民大学 信息学院, 北京 100872;2. 教育部数据工程与知识工程重点实验室(中国人民大学), 北京 100872
摘要：交易模型的稳健性，指的是该模型的利润率曲线的波动性较小，没有大起大落。针对一个基于支持向量回归（SVR）技术的算法交易模型的稳健性问题，提出了使用若干导出指标训练统一的交易模型的策略，以及投资组合多样化的方法。首先，介绍基于支持向量回归技术的算法交易模型；然后，基于常用指标，构造了若干导出指标，用于股票价格的短期预测。这些指标，刻画了近期价格运动的典型模式、超买/超卖市场状态，以及背离市场状态。对这些指标进行了规范化，用于训练交易模型，使得模型可以泛化到不同的股票；最后，设计了投资组合多样化方法。在投资组合里，各个股票之间的相关性，有时会导致较大的投资损失；因为具有较强相关关系的股票，其价格朝相同方向变化。如果交易模型预测的价格走势不正确，引起止损操作，那么这些具有较强相关关系的股票，将引发雪崩式的止损，于是导致损失加剧。把股票根据相似性聚类到不同类别，通过从不同聚类类别中选择若干股票来构成多样化的投资组合，其中，股票的相似性，通过交易模型在不同股票上近期的利润曲线的相似度进行计算。在900只股票10年的价格大数据上进行了实验，实验结果显示，交易模型能够获得超过定期存款的超额利润率，年化利润率为8.06%。交易模型的最大回撤由13.23%降为5.32%，夏普指数由81.23%提高到88.79%，交易模型的利润率曲线波动性降低，说明交易模型的稳健性获得了提高。
关键词：算法交易,支持向量回归,稳健性,投资组合多样化,大数据
基金资助：国家自然科学基金资助项目（61170013，61432006）；广东省科技厅高通量大数据实时商业智能系统产业化项目（2015B010131015）。
