一种改进的模拟退火算法优化的支持向量机在交易信号研判中的应用  

Application of an improved SA-SVM algorithm in judgment of transaction signals

作　　者：黄宏运 吴礼斌[2] 李诗争[1] 朱家明[2] 黄华继[1] 

机构地区：[1]安徽财经大学金融学院 [2]安徽财经大学统计与应用数学学院,安徽蚌埠233000

出　　处：《延边大学学报（自然科学版）》2017年第1期25-33,共9页Journal of Yanbian University（Natural Science Edition）

基　　金：国家自然科学基金资助项目(11601001);安徽高等学校省级自然科学基金资助项目(KJ2013Z001);安徽财经大学校级重点研究项目(ACKY1402ZD)

摘　　要：针对利用机器学习算法支持向量机来研判交易信号时的参数设置问题,本文首先提出一种改进的模拟退火算法(三交换法)来优化LIBSVM工具箱中的惩罚因子"-c"和核函数因子"-g"的选取,然后建立一个基于历史证券技术指标信息的量化择时模型.实证研究表明,改进后的ISA-SVM算法相比于二交换法和互逆交换法不仅可以更好地收敛于最小能量,而且在实际投资中可以对交易信号进行更准确的预测、实现更为可观的收益回报.For solving the problem of parameter setting when using the machine learning algorithm Support Vector machine to judge the transaction signal, this paper firstly proposed an improved simulated annealing al gorithm （triple exchange method） to optimize the selection of the penalty factor ＂-c＂ and the kernel function ＂-g＂ in the LIBSVM Toolbox, then establishing a quantitative timing model based on historical securities technical indicators. The empirical study shows that the improved ISA-SVM algorithm can not only converge to the minimum energy better than the two-exchange method and the inverse exchange method, but also can predict the transaction signal more accurately in the actual investment.

关 键 词：模拟退火 支持向量机 择时 三交换 LIBSVM TOOLBOX 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] F830.91[自动化与计算机技术—控制科学与工程]