什麼是量化投資
量化投資是指是利用現代統計學、數學等方法，從海量數據中尋找能夠帶來超額收益的多種「大概率」策略，並按照這些策略所選出的股票進行投資，力求取得穩定的、可持續的、高於平均的超額回報。在海外，量化投資的發展已有30多年的歷史，其投資業績穩定，市場規模和份額不斷擴大，近年來，也已成為海內外資本市場發展的焦點之一，與基本面分析、技術面分析並稱為三大主流投資方法。在美國這樣成熟的市場上，量化投資已經成為基金和大資本的主要運作方式，其中的大部分交易都通過程序化交易完成，美國資本市場的交易結構也因此出現了顯著變化。而目前在國內市場上，量化投資發展總體上看尚處於初級階段，但隨著中國資本市場有效性的逐步提高，以及對內幕消息等監管愈加嚴格，通過非公開方式獲取信息的難度加大，量化投資將成為一個良好的獲得非公開信息的科學理論與技術方法。
量化投資和傳統定性投資本質上是相同的，二者都是基於市場非有效或是弱有效的理論基礎，但量化投資區別於傳統定性投資最鮮明特徵就是模型。定性投資更多依靠經驗和感覺制定投資決策，在投資管理上，對上市公司的調研以及基金經理的個人經驗和主觀判斷依賴程度較高，巴菲特便是價值投資的代表人物；而量化投資則依靠模型判斷，更加強調數據，代表人物包括橋水對衝基金創始人雷·達裡奧。從業績表現來看，量化投資穩定性較高，在下跌期平均回撤遠低於價值投資。
目前，量化投資策略主要包括量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利等。本文將重點討論股票端的量化策略。對於股票市場來說，量化投資主要有兩個方向，選股和擇時，分別確定了買賣的標的和時點。量化策略的前提假設是歷史會重複。
量化選股策略
量化選股是利用數量化的方法選擇股票組合，期望該股票組合能夠獲得超越基準收益率的投資行為。量化選股策略總的來說可以分為兩類：第一類是基本面選股，第二類是市場行為選股。基本面選股主要有多因子模型、風格輪動模型和行業輪動模型；市場行為選股主要有資金流模型。
01
多因子模型
多因子模型是應用最廣泛的一種選股模型，基本原理是找到一系列和收益率相關的因子，並將這些因子作為選股標準，滿足這些因子的股票則被買入，不滿足的則賣出。多因子模型相對來說比較穩定，因為在不同市場條件下，總有一些因子會發揮作用。
各種多因子模型核心的區別第一是在因子的選取上，第二是在如何用多因子綜合得到一個最終的判斷。一般而言，多因子選股模型有兩種判斷方法，一是回歸法，二是打分法。回歸法是將股票多因子的取值與下期的股票收益率進行回歸分析，得到一個回歸方程，然後再把最新的因子值代入回歸方程得到一個對未來股票收益的預判，然後再以此為依據進行選股。打分法就是將股票按照其在各個因子的暴露值大小進行排序然後分組打分，再按照一定的權重加權得到一個總分，根據總分再對股票進行篩選，這也是目前量化基金廣泛使用的方法。多因子選股模型的建立過程主要分為候選因子的選取、選股因子有效性的檢驗、有效但冗餘因子的剔除、綜合評分模型的建立和模型的評價及持續改進等5個步驟。
02
風格輪動模型
風格輪動模型是利用市場風格特徵進行投資，一般情況下，低市值低PB的股票表現最好，但在不同的市場條件下，大盤股和小盤股，高PB股和低PB股的結果也會有所不同，比如在資金流充裕的情況下，市場青睞小盤股；反之則更傾向於大盤股。由於這種不同的交易行為，形成了市場風格，因此在投資中，利用市場風格的變化，進行輪動投資相較於長期持有收益更高。如果是風格轉換的初期介入，則可以獲得較大的超額收益。
風格輪動模型的理論基礎
投資風格是針對股票市場而言的，是指投資於某類具有共同收益特徵或共同價格行為的股票，即某類投資風格受到青睞，並且在某一個時間段內具有持續性和連續性，如價值投資和成長型投資兩種風格，或大盤股和小盤股這兩種風格通常輪流受到市場追捧。由於投資風格的存在，從而產生一種叫做風格動量的效應，即在過去較短時期內收益率較高的股票，未來的中短期收益也較高；相反，在過去較短時期內收益率較低的股票，在未來的中短期也將會持續其不好的表現。比如，在2009年是小盤股風格，小盤股持續跑贏滬深300指數；而在2011年，則是大盤股風格，大盤股跌幅遠遠小於滬深300指數。因此如果能事先通過一種模型判斷未來的風格，進行風格輪動操作，則可以獲得超額收益。
宏觀經濟表現強勁時，小市值公司有一個較好的發展環境，易於成長壯大，甚至還會有高於經濟增速的表現，因此，小盤股表現突出的概率高於大盤股。而當經濟走弱時，由於信心的匱乏和未來市場的不確定性，投資者可能會傾向於選擇大盤股，起到防禦作用，即使低通貨膨脹、貨幣走強，也不足以冒險去選擇小盤股。研究發現，經濟名義增長率是用來解釋規模效應市場周期的有力變量。當名義增長率提高時，小市值組合表現更優，因為小公司對宏觀經濟變動更為敏感，當工業生產率提高、通貨膨脹率上升時，小公司成長更快。
風格輪動模型之大小盤風格輪動策略
風格輪動模型中，大小盤輪動最為投資者所熟知。首先，將股票按市值和PB分為四組：高市值&價值（低PB），低市值&價值（低PB），高市值&成長（高PB），低市值&成長（高PB），其中市值前20%為高市值，後20%為低市值股票，市淨率前20%為成長股，後20%為價值股。宏觀經濟對股市的風格輪動具有舉足輕重的作用，因此第二步便是從經濟指標中選取風格輪動因子。CPI和M2兩項指標反映出當前的貨幣政策，是決定資金流動性的重要指標，因此應納入考察因子當中。PPI（工業價格品指數）作為CPI的先導指標，是一個更加敏感的反映通脹的指標等指標，也是常用的風格輪動因子。此外，還應將短期利率、房價、動量、波動率等因子納入考察範圍。因子確定完成後，便可使用月度數據，運用logistic模型預測下月收益率最高的組。Logitic回歸主要用於二分類預測，也即是0或1之間的概率值，當概率大於0.5預測為1，小於0.5預測為0。因為大小盤風格輪動是在大盤或小盤指數中進行二選一的決策，實際是判斷大盤指數漲幅 - 小盤指數漲幅的正負號方向，即0或1 的選擇問題，因此使用logistic回歸模型進行分析，通過估計下一期大盤指數或小盤指數勝出的概率完成決策。當大盤指數漲跌幅 - 小盤指數漲跌幅 <=0時，即小盤股佔優時，定義事件類型=0；當大盤指數漲跌幅-小盤指數漲跌幅>0時，即大盤股佔優時，定義事件類型=1。如果從logistic模型估計得到P(事件=0)≥0.5，即小盤股佔優的概率>=50%，那麼就買小盤股指數，反之就買大盤股指數。
03
行業輪動模型
行業輪動與風格輪動類似，是另外一種市場短期趨勢的表現形式。由於經濟周期的原因，有一些行業通常先啟動，有的行業則跟隨。例如，當政府加大對某個地區的基建投資時，鋼鐵、水泥、機械等行業會率先受益，因此這些行業屬於先導行業。而投資完成後往往會帶動房地產、消費、文化行業的發展，因此這些行業就屬於跟隨行業。研究一個經濟周期中的行業輪動順序，從而在輪動開始前進行配置，在輪動結束後進行調整，則可以獲取超額收益，比買入持有策略效果更佳。
行業輪動模型的邏輯
國外許多實證研究表明，在環球資產配置中，行業配置對組合收益的貢獻的重要性甚至超過了國家配置，而且認為行業配置的重要性在未來相當長一段時間內也將保持。行業輪動策略的有效性原因在於資產價格受內在價值影響，而內在價值則隨著宏觀經濟因素變化而波動。研究表明，在機構投資者的交易中最為獲利的盈利模式是基於行業層面進行周期性和防禦性的輪動配置，這也是機構投資者最普遍採用的策略。此外，周期性股票在擴張性貨幣政策時期表現較好，而在緊縮環境下，非周期性行業的股票受到的衝擊較小。行業收益差在擴張性政策和緊縮性政策下具有顯著的差異。
六大板塊的淨值走勢圖顯示，各行業間的同漲齊跌現象較為顯著，但在不同階段，主導板塊不同。比如，大金融板塊在2006 年至2007 年的大牛市上漲勢頭明顯，周期上遊等大盤板塊的引領下不斷衝高的；而 2014年至2015年的大牛市主導板塊則變成了成長板塊；另一方面，不同局部區間也能看到各大板塊的走勢分化。比如 2010 年下半年，周期上遊和消費板塊獲得了顯著的超額收益，而大金融板塊則處于震蕩下跌的行情中，同樣的分化發生在 2013年下半年，消費、成長板塊明顯跑贏周期上遊。投資者如果能把握住這種風格上的切換，或者輪動的規律，就能獲得顯著的超額收益。
具體策略
由於行業輪動模型與宏觀經濟關聯度較高，搭建模型的第一步便是判斷當前貨幣政策所處的周期。在國內目前情況下，可根據貨幣供應量的變化來判斷貨幣政策周期。M2作為廣義的貨幣，反映了社會總需求的變化和未來通貨膨脹壓力，M2同比增速則可以反映流通中的貨幣供應量變化，即貨幣政策效果的實際反應。因此，可用M2來判斷貨幣政策或貨幣供應處於擴張期還是緊縮期。
根據周期，我們可將行業劃分為周期性行業和非周期性行業。可使用滬深300行業指數，並且以滬深300指數作為市場組合，利用CAPM 模型計算行業的Beta值和均值方差。從Beta 值來對行業的周期性和非周期性進行區分。周期性行業通常因為與市場相關度較高，因此beta值也比非周期性行業高。具體來看，周期性行業有能源、材料、工業和汽車等；非周期性行業有大金融、消費、成長。年均收益率最高的行業為醫藥，其次是金融和公用。投資策略為在貨幣政策處於擴張時等權配置周期性行業，緊縮時等權配置非周期性行業。
從優勢上來看，該策略符合自上而下的投資理念，適合機構投資者進行行業配置。此外，將行業劃分為周期性和非周期性進行投資，這種分類標準與實際投資中對行業屬性的認識也非常接近，減少了對行業基本面和公司信息的依賴；同時，在貨幣政策處於緊縮時期，選擇投資於非周期性行業能夠規避較大的不確定性，使得整個組合的風險降低，抗風險能力得到增強；依據貨幣供應增速M2進行輪動，使得策略具有較強的可操作性。
04
資金流模型
資金流選股的基本思想是利用資金的流向來判斷股票的漲跌，如果資金流入，股票上漲概率較大，如果資金流出，則股票大概率下跌。所以將資金流入流出的情況編成指標，再利用該指標來判斷在未來一段時間股票的漲跌情況。
資金流模型的邏輯
證券價格在約定的時間段中，處於上升狀態時產生的成交額是推動指數上漲的力量，這部分成交額被定義為資金流入；證券價格在約定的時間段中下跌時的成交額是推動指數下跌的力量，這部分成交額被定義為資金流出；若證券價格在約定的時間段前後沒有發生變化，則這段時間中的成交額不計入資金流量。當天的資金流入與流出的差額，是當天買賣雙方力量抵消之後，推動價格變化的淨作用量，被定義為當天的資金淨流量（MF）。資金流反映出股票供求關係。傳統的量價無法區分市場微觀結構中的流動性和私有信息對股價的影響，而根據委託測算的資金流，能夠有效地觀察微觀市場交易者的真實意圖及對股價造成的影響。資金流指標包括資金淨流量（MF）、資金流信息含量（IC）和資金流槓桿倍數（MFP），分別衡量了當天資金流入與流出的差額、資金流中有效信息和資金流的撬動效應。
在非強勢有效的A股市場，普遍存在信息不對稱的問題。機構投資者與散戶投資者在對同一信息的評估能力上存在差異。在大部分情況下，散戶投資者缺乏專業的投資能力和精力，那麼根據「搭便車」理論，他們通常希望藉助機構投資者對股價的判斷進行投資，一旦機構投資者率先對潛在市場信息做出反應，羊群效應的散戶投資者則追漲殺跌，往往導致在很多情況下市場對潛在信息反應過度。因此，可採取逆向選擇模型理論來構建選股模型，即賣出前期資金流入、價格上漲的股票，買入前期資金流出、價格下跌的股票，從而糾正這種信息反應過度行為。再對一些指標參數進行回測分析，得到穩定的選股模型。
策略模型
資金流模型的策略包括四個主要步驟。首先，確定待選股票池。在選擇組合構建時，剔除上市不滿一個月的股票，剔除調倉期漲跌停及停牌的股票，防止因漲/跌停無法交易。剔除資金流信息含量小於10%的股票，因為這部分股票信號不明顯，無法取得有效信息。第二步，用指標排序打分方式構建股票組合。首先將待選股票池中的股票按照資金流指標進行排序，然後採用百分制整數打分法進行指標打分，即以股票在各個指標中所處位置的百分數作為股票對於該指標的得分，前1%得分為1，依次遞減，最後1%得分為100。再將股票相對於各個指標的得分進行求和，將和值從小到大排序，進行分組比較，選擇排名靠前的N只股票構建組合。股票權重採用等量權重。第三步，組合定期調整。調整時間從1到3個月不等。持有到期後，利用更新後的指標數據重新確定待選股票池，重複第二步的打分求和過程，並將股票按照指標得分從小到大重新排序，將原來分組中跌出組合的股票剔除，調進新的股票，同時將新組合內樣本股的權重調整到相等。最後，統計檢驗。分別計算各組合的收益率情況，評估組合的效果。
量化擇時策略
正如亞當·斯密將人定義為「合乎理性的」，理性可以幫助投資者合理規劃未來，牢記市場風險。然而市場總會迎來非理性時期，投資者應學會應對市場的種種非理性行為。解決途徑之一便是利用擇時來分析，恰當的選擇買賣時機。
投資者常常會將對股票的技術分析與量化擇時混淆，但其實這兩者是不同的。技術分析是自成體系的一個流派，幫助交易者選擇較好進場或離場的時點，它基於三個假設：市場價格包含一切信息、價格沿趨勢移動、歷史會重演。每個人運用技術指標或形態得出的結論一定是不同的，這也正是技術分析的魅力所在，看法不同才會成交，比如同樣運用波浪理論，有投資者認為目前處在第3浪，也有投資者可能覺得處在第5浪。而量化擇時策略不可能出現因人而異的情況。只要兩個人所使用的因子、參數、和既定規則是一樣的，兩個人得到的買入信號或賣出信號發出日就是同一日。
量化擇時是指採用量化的方式判斷買入賣出點。如果判斷是上漲，則買入持有；如果判斷是下跌，則賣出清倉；如果判斷是震蕩，則進行高拋低吸。量化擇時通常集中於技術派和基本面派兩大類別。技術派擇時常見的思路有趨勢跟蹤擇時、牛熊線擇時、分型理論擇時、支持向量機（SVM）擇時；而基本面派擇時則會使用估值、宏觀經濟等數據，常見的思路有有效資金擇時。
01
趨勢跟蹤擇時
趨勢跟蹤擇時的思想源於技術分析，技術分析認為趨勢存在延續性。只要找到趨勢，再跟蹤操作就可以跑贏大勢，這也是一種簡單有效的投資方式。在市場處於上升趨勢時，投資者可以買入並持有；當市場轉為下降趨勢時，投資者可以選擇賣空或空倉，其本質上是一種追漲殺跌策略。
均線系統是衡量股票趨勢最重要的指標，可把它作為捕捉大盤主趨勢的基石。但是純粹的均線由於噪音等原因，使得經常會出現誤操作，因此需要進行更多的處理機制，包括極點、過濾微小波動、高低點比較策略、高低點突破策略、長波的保護機制、長均線的保護機制等概念和技術細節。作為策略依據，常用技術指標包括MA、MACD、ADX、BOLL等。
具體策略
均線策略的第一步就是均線簡化。股票價格的波動通常讓投資者認為價格變化飄忽不定，很難把握。為了便於捕捉趨勢，首先需要對價格走勢曲線進行簡化處理，以便藉助於均線方法。可將a個（a為模型參數）連續的交易日的收盤價取一個均值，形成MA(a)，比如a為10，即10個交易日數據取一均值，那麼就可以得到股價的10日均線U，完成對價格曲線的第一步簡化。第二步，需要記錄極點。極點就是局部的高點或低點，在極點處股價出現了轉折，所以它們代表了股價變化的關鍵點，包含較多信息。如果股價上漲至此，接下來又出現了下跌，那麼就形成一個局部的高點；如果股價下跌至此，接下來又出現上漲，那麼就形成一個低點。最後，需要設置閥門，過濾微小波動。均線策略最大的優勢跟蹤趨勢效果比較好，在形成趨勢時能緊跟趨勢，但是最大的問題在於碰到盤整行情，均線就搖擺不定，容易頻繁地發出交易信號，所以必須對其進行進一步處理。可以結合記錄的極點形成過濾微小波動的方法。當股價形成一個極點M後，接下來股價波動在M點股價的上下B個（B為模型參數）指數點內，就認為股價和M點相比沒有變化，這樣可以得到過濾了微小波動的均線趨勢線W。當證券價格上漲，高於其移動平均線，則產生購買信號。當證券價格下跌，低於其移動平均線，則產生出售信號。
02
有效資金擇時
有效資金是指市場上能對趨勢產生影響的資金流。同樣的資金量，在趨勢頂部和底部的時候，對市場的影響不同。從大概率的角度來看，當股價愈接近頂部時，上漲1%所需要的主動買入資金越多，上漲也就越困難，也就是通常理解的「滯漲」或者「頂部放量」，此時的成交金額更能反應股價的高低，對於股價的指示更有效，而底部則剛好相反。有效資金模型就是構建有效資金指標來判斷一波趨勢是否接近拐點的策略。
有效資金指標（EMS）是該策略的核心指標。可將EMS看做是上漲單位價格所需要的資金量與下跌單位價格所需要的資金量的差，再做歸一處理。在計算EMS時，首先定義有效資金（MS）算法中該股票當日正的資金強弱（PMS）和負的資金強弱（NMS），顯然，三者的關係為：MS = PMS + NMS。再根據高頻交易數據計算PMS和NMS的時效性，並根據時效性對PMS和NMS加權得到EMS。EMS越大，上漲單位價格所需要的資金便越多，上漲阻力越大；反之亦然。EMS的上述特性可作為判斷股價中長期走勢的依據。
通過以往對技術指標的一些分析，擇時判斷以周為周期較為合適。周期太短導致噪音太多，周期太長則會出現指標滯後較多的情況，敏感度不夠，因此 EMS 擇時策略也將以周為單位，每周最後一個交易日進行買賣點的判斷，以決定下周的倉位。通過觀察滬深300指數EMS除以周度成交金額（簡稱EMS/$），與滬深300指數的走勢的關係，可以發現，在大部分時間裡，EMS/$指標與指數是同方向變化的，當出現兩種情況下的背離時，一般預示著指數很可能會突破現有平臺繼續上漲或下跌。如下圖狀況 A：EMS/$指標從1%的高位往下，而指數卻加速上漲，說明指數已經突破上方阻力位，後續漲幅可觀；狀況B：EMS/$指標從-1%的低位往上，而指數卻加速下跌，說明指數已經突破下方支撐位，後續還將繼續探底。
基於上述特徵，我們構建如下擇時策略：首先，計前 T 日（包含當日）EMS/$指標的標準差為 EMS_STD；其次，設置一個調節參數 R（0<=R<=1），區間[-R*EMS_STD, R*EMS_STD]構成一個安全區間，當 EMS/$指標位於此區間時，不做交易，延續當前倉位。當 EMS/$指標（周平均）低於安全區間時：如果本周滬深 300 指數為上漲，則判斷為買點（見下圖買點1）；如果本周滬深 300 指數為下跌且 EMS/$指標較上周高，則判斷為賣點（見下圖賣點2）；當 EMS/$指標（周平均）高於安全區間時：如果本周滬深 300 指數為下跌，則判斷為賣點（見下圖賣點1）；如果本周滬深 300 指數為上漲且 EMS/$指標較上周低，則判斷為買點（見下圖買點2）。
從優勢上來看，EMS擇時的交易頻率較低，即使買賣各計一次交易，交易頻率平均約為4個月一次，在震蕩行情中也不會頻繁觸及交易點。此外，對於大的頂部和底部，EMS擇時都能即使反映，適合中長線操作。同時，EMS擇時還可與股指期貨結合，進行多空策略轉換，在指數下跌時還可做空賺取收益。因此，EMS擇時的穩定性和應用範圍都較高。
03
牛熊線擇時
經典金融數學認為，股票市場是隨機波動的，雖然市場價格同時反映過去、現在和將來，但這些事件與價格變動卻沒有明顯關係，這符合布朗運動模型。布朗運動於1862年由英國植物學家布朗用顯微鏡觀察懸浮在水中的花粉時發現，布朗運動代表了一種隨機漲落的現象，它反映了分子運動的無規律性。牛熊線（BBCurve）便是基於布朗運動的擇時策略之一，擇時的思想就是將大盤的走勢劃分為兩根線，一根為牛線，一根為熊線。正常情況下，價格在一定區間內屬於一般波動，不具方向性的特徵，而一旦價格突破臨界值即可視為方向性誕生，轉勢開始。
根據牛熊線定義，可以得到具體的擇時策略：若股價在牛線之上，認定股價處於強勢狀態，向上攀升態勢形成且持續，則買入持有；若股價在熊線之下，認定股價處於弱勢狀態，向下跌落態勢形成且持續，則賣出清倉；若股價在牛線與熊線之間，認定股價處於盤整狀態，無大行情，亦無大的系統性風險，無需做出買賣指令。
歷史回溯分析表明，牛熊線擇時能較好地把握系統性機會，及時規避較大的系統性風險，並且能識別盤整狀態，是一個極佳的策略。通過觀察上證指數和中小板指數的牛熊線與走勢，可以發現，上漲行情延續的重要特徵便是股價始終在牛線以上，而熊線之下則伴隨著股價的大幅下挫。股價在牛熊線之間通常表現為盤整狀態。符合牛熊線擇時的預測結果。
04
分型理論擇時
隨機遊走過程（布朗運動）對應於金融市場上的有效市場假說，即股票價格完全反映市場上的所有信息，包括歷史信息、基本面信息與內幕消息，股票價格的運動過程遵從鞅過程（根據目前所得的信息，對未來某個資產價格的最好預期就是資產的當前價格）。分型理論擇時是基於有偏隨機過程（分形布朗運動），即分子運動的記憶作用是長期的。應用於股票市場，即認為資產價格並不是隨機遊走的，而是具有趨勢增強性的。當前價格走勢與過去走勢也不是獨立的，而是具有相關性的，故股票價格會在各種尺度上重複自己的行為。通過Hurst指數，可以判斷目前走勢偏離隨機遊走的程度。
研究發現，Hurst指數在預測市場未來走勢的時候通常表現出極強的先驗性。在市場將要發生大跌之前的一段時間內，Hurst指數已經發生了急速的大幅下跌，給出市場將要發生反轉的明顯信號；但是，Hurst指數在預測市場反轉向上時的表現則不像預測下跌那麼有效。
對中國股票市場來說，我國 A 股市場的日收益率並不服從正態分布，而是呈現出尖峰及左偏的統計特徵。此外，中國股票市場的牛熊交替，伴隨著對股市趨勢記憶的加強和減弱的輪換，在一定程度上表現出長期記憶性。因此，相對於傳統的有效市場理論，分形市場理論利用重標極差法導出的Hurst指數，反映出股市長期記憶性的強弱，可達到較好的擇時效果。
05
支持向量機（SVM）擇時
支持向量機（Support Vector Machine，以下簡稱 SVM）是一種基於統計學習理論的模式識別方法， 它由 Boser、Guyon、Vapnik 等人在 1992 年的機器學習理論大會上首次提出，並從此迅速發展起來， 現在已經在生物信息學、文本和手寫識別等應用領域取得了成功。SVM能非常成功處理分類、判別分析等問題，並可推廣到預測與綜合評價領域。SVM 的核心思想在於，尋找一個最優分類，超平面，使得訓練樣本中的兩類樣本點儘量被無錯誤的分開，並且要使兩類的分類間隔最大。
將SVM運用到股票市場就是將股市的漲跌問題轉換為分類問題。股票市場是一個典型的複雜系統，股市的漲跌受到多種因素影響，而這些因素間的相互作用常常是非線性和時變的，若利用傳統數學模型還需要苛刻的假設，無法很好的進行描述。因此，很多傳統的手段對於股市的預測效果往往不盡人意。而向量機方法，有效克服了傳統統計模式識別的缺點，具備良好的機器識別能力。此外，與傳統方法相比，SVM 適合有限樣本或小樣本的問題，因此對於金融時間序列具備可適性。
具體來看，我們將股票市場的漲跌作為一個分類變量y（y ∈ {1, 0}，1代表上漲，0代表下跌），而將影響股票市場漲跌的變量，諸如 CPI、 PPI、M1、M2 以及股市收益、成交額等因素作為向量 x（x ∈ R d）。通過SVM模型輸入向量X的值，輸出y值，便可預測下周股票市場的漲跌情況。若y=1,則買入；若y=0，則賣出。以上證綜指為例，若當天的指數頭寸為空，而模型預測下一個交易日會上漲(預測=1)，這時在下一個交易日開盤的時候滿倉買入指數，如果模型預測下一個交易日仍是上漲，則繼續持有該頭寸；當到了某日，模型預測下一天的市場是下跌(預測=0)，這時清空持有的指數頭寸。在持倉指數時，資金在指數成分股之間平均分配。
數據顯示，SVM模型在單邊市場有著較高的預測精度，在單邊上漲和單標下跌市場，其預測精度可達到70%以上。在震蕩市中，利用SVM方法進行投資的收益基本與市場保持一致，但是一旦市場出現較為明顯的向上或向下趨勢時，SVM模型可以較早的給出提示。
本文首發於微信公眾號：首席策略周榮華。文章內容屬作者個人觀點，不代表和訊網立場。投資者據此操作，風險請自擔。
（責任編輯：趙豔萍 HF094）