[发明专利]一种基于遗传算法的量化投资的优化方法

权利要求书

1.一种基于遗传算法的量化投资的优化方法，其特征在于，包括以下步骤：

S1、初始化支持向量机量化分析模型的输入数据和模型参数；

S2、采用遗传算法对输入数据和模型参数进行处理，得到最优输入数据和最优模型参数；

S3、将最优输入数据和最优模型参数输入支持向量机量化分析模型，通过该量化分析模型对股票的涨跌概率进行预测，根据预测结果选择前m只股票构成投资组合；

S4、根据马科维兹算法对投资组合各股的权重进行计算，并根据资产配比得到投资组合的实际收益。

2.根据权利要求1所述的基于遗传算法的量化投资的优化方法，其特征在于，步骤S1的具体方法包括以下子步骤：

S1-1、选取股票的相关数据作为输入数据，同时设置参数搜索范围；

S1-2、去除输入数据的空值并做标记，将输入数据分为样本内数据和样本外数据，并对所有分类后的输入数据依次进行归一化和标准化处理；其中样本内数据和样本外数据的比例为8:2。

3.根据权利要求2所述的基于遗传算法的量化投资的优化方法，其特征在于：股票的相关数据包括涨跌幅、最高价、成交额、开盘价、最低价、日换手率、收盘价、成交量、市盈率、市净率、市销率、资产回报率、权益回报率、营业利润率、产权比率、流动比率、存货周转率、营业收入增长率、均真实区间、二十日成交金额的移动平均值、动态买卖气指标、相对强弱指标、成交量震荡、成交量量指数平滑异同移动平均线、股票二十日收益、同十日乖离率、十日顺势指标、钱德动量摆动指标、价量趋势指标、修正动量指标、五日收盘价三重指数平滑移动平均指标、上轨线指标、随机指标、十日移动均线、平滑异同移动平均线和动量指标中的至少一个数据。

4.根据权利要求1所述的基于遗传算法的量化投资的优化方法，其特征在于，步骤S2的具体方法包括以下子步骤：

S2-1、采用遗传算法，按照输入数据、支持向量机的惩罚因子和核函数带宽的顺序对初始化的输入数据和模型参数进行编码，生成染色体；

S2-2、随机生成一个初始种群，其包含n个个体；

S2-3、将种群中的个体输入到支持向量机量化分析模型进行训练；

S2-4、匹配目标函数值，计算个体适应度，并根据轮盘赌算法选择个体遗传到下一代的概率；

S2-5、对个体进行交叉、选择和变异操作，得到新的进化后的个体，将进化后的个体加入到下一代种群中；

S2-6、判断目标函数值是否达到预设的迭代代数，若是则输出该情况下的支持向量机量化分析模型的最优输入数据和最优模型参数，并进入步骤S3；否则回到步骤S2-3。

5.根据权利要求4所述的基于遗传算法的量化投资的优化方法，其特征在于，步骤S2-1中编码的具体方法包括以下子步骤：

S2-1-1、将编码设定为(F,C,σ)；其中F、C和σ均为基因单位，F为输入特征，即输入数据，C为支持向量机的惩罚因子，以及σ为核函数的带宽；

S2-1-2、从位点到对输入数据进行编码，通过位点的值1或0来分别表示该输入数据是否被采用；从位点到对支持向量机的惩罚因子进行编码；从位点到对核函数的带宽进行编码。

6.根据权利要求1所述的基于遗传算法的量化投资的优化方法，其特征在于，步骤S4的具体方法为：

根据公式：

得到投资组合的实际收益R′_t；其中，ω_i为对投资组合各股进行马科维兹算法计算后的权重，R_t(s_i,t)为股票i在时间t的实际收益，s_i,t为在时间t预测的排名为i的股票，m为股票支数。