基于SVM-Sharpe方法的動量策略在滬深300市場中的應(yīng)用

馬 雪，陳盛雙，余 放

(武漢理工大學(xué) 理學(xué)院，湖北 武漢 430070)

?

基于SVM-Sharpe方法的動量策略在滬深300市場中的應(yīng)用

馬 雪，陳盛雙，余 放

(武漢理工大學(xué) 理學(xué)院，湖北 武漢 430070)

為了提高動量策略的性能，在J/T方法的基礎(chǔ)上，提出了新的動量策略并檢驗我國滬深300市場的有效性，即在C-SVM算法預(yù)測股市買點前提下，構(gòu)造了基于夏普比率方法的動量策略。結(jié)果表明，我國股市在短期內(nèi)存在明顯的反轉(zhuǎn)現(xiàn)象，在中長期存在明顯的動量現(xiàn)象，這一現(xiàn)象對我國證券市場的發(fā)展和滬深300市場投資者具有參考價值。

動量策略；反轉(zhuǎn)策略；支持向量機；夏普比率

動量效應(yīng)指過去表現(xiàn)好(壞)的股票或投資組合在未來一段時間繼續(xù)保持較好(壞)的收益。De BONDT等[1]最先在美國交易市場發(fā)現(xiàn)了反轉(zhuǎn)效應(yīng)；隨后JEGADEESH和TITMAN也對美股市場進(jìn)行了研究，發(fā)現(xiàn)美國股市不僅存在長期反轉(zhuǎn)效應(yīng)，而且存在中期動量效應(yīng)[2]。而國內(nèi)學(xué)者對動量效應(yīng)和反轉(zhuǎn)效應(yīng)研究中，王永宏等[3]在滬深A(yù)股市場未發(fā)現(xiàn)動量效應(yīng)，但有明顯的反轉(zhuǎn)現(xiàn)象；柴青梅[4]，楊斌等[5]在JEGADEESH和TITMANT(1993)方法(簡稱J/T方法)基礎(chǔ)上，分別引入成交量、市值、基金持股比例等因素構(gòu)造新的動量策略，研究發(fā)現(xiàn)成交量、市值規(guī)模、機構(gòu)持股比例對動量策略有顯著的影響。

由國內(nèi)外文獻(xiàn)可知，多數(shù)學(xué)者研究股市動量效應(yīng)和反轉(zhuǎn)效應(yīng)時以固定持有期為前提，我國股市波動比較劇烈，如果投資者能夠在股市發(fā)生逆轉(zhuǎn)或者即將發(fā)生逆轉(zhuǎn)時通過動量策略選股，這是很有意義的。其中黃愛玲[6]、邵鳳希[7]、牛芳[8]分別將跳躍風(fēng)險指標(biāo)、均線指標(biāo)和MACD指標(biāo)與動量策略相結(jié)合，研究發(fā)現(xiàn)新動量策略市場收益優(yōu)于純策略。

另外，股票的分類標(biāo)準(zhǔn)也是執(zhí)行動量策略的關(guān)鍵，多數(shù)學(xué)者以股票過去累計收益篩選股票構(gòu)造投資組合，在投資決策中以收益衡量股票的績效很可能出現(xiàn) “風(fēng)險換收益”的情況。僅有部分學(xué)者在篩選股票時考慮到投資風(fēng)險，如TORU等[9]，NAKHLI等[10]研究了基于夏普比率方法的動量策略，結(jié)果發(fā)現(xiàn)新策略具有較高的風(fēng)險調(diào)整后收益，雖然J/T方法構(gòu)造的動量組合獲得了較高的收益，但投資風(fēng)險也比較高。在國內(nèi)僅有寧欣等[11]研究了基于殘差收益的動量策略，該策略構(gòu)造的動量組合具有較高的風(fēng)險調(diào)整后收益。而有關(guān)夏普比率動量策略的研究在國內(nèi)目前還未發(fā)現(xiàn)。所以構(gòu)造了隨機持有期間前提下，基于夏普比率的動量策略，重點考察新策略在滬深300市場動量效應(yīng)和反轉(zhuǎn)效應(yīng)存在性檢驗，并對實驗結(jié)果進(jìn)行解釋分析。

1 SVM算法股市買賣點預(yù)測模型

在金融時間序列預(yù)測模型中，SVM算法具有全局最優(yōu)、泛化能力較好等優(yōu)點，而神經(jīng)網(wǎng)絡(luò)算法會出現(xiàn)過學(xué)習(xí)現(xiàn)象。并且對于復(fù)雜的股市系統(tǒng)，SVM算法能夠非常成功地處理非線性問題，在有限樣本下，通過引入核函數(shù)巧妙地避免了維數(shù)災(zāi)難，降低了模型的復(fù)雜度。

1.1 數(shù)據(jù)來源及處理

以滬深300指數(shù)交易數(shù)據(jù)為研究對象。涉及數(shù)據(jù)有：收盤價、成交量、隨機指標(biāo)KDJ、相對強弱指標(biāo)RSI、順勢指標(biāo)CCI和平滑異同平均線MACD。股票收盤價及成交量來自于Wind數(shù)據(jù)庫，股票技術(shù)指標(biāo)來自于大智慧軟件，并對收盤價進(jìn)行了向前除權(quán)除息處理，數(shù)據(jù)處理主要包括計算成交量加權(quán)價格指標(biāo)及其平滑處理和買賣點定義。研究區(qū)間為2007年1月4日至2015年7月10日。

1.1.1 成交量加權(quán)價格指標(biāo)

根據(jù)技術(shù)分析理論，成交量領(lǐng)先于價格并證實價格變化趨勢的有效性，但是大部分技術(shù)分析師和學(xué)者在計算價格平均值時仍然只考慮價格和時間因素，基于這種認(rèn)識，巴夫[12]提出了成交量加權(quán)移動平均值(VWMA)，將每個交易日的收盤價用該日的成交量占給定期間總成交量的比例進(jìn)行加權(quán)，以此反映投資者意愿。其計算公式為：

1.1.2 買賣點定義

(1)技術(shù)指標(biāo)買賣點定義。①KDJ指標(biāo)反映了價格走勢的強弱及超買超賣狀況。當(dāng)J>80且不再創(chuàng)新高時，則該天是賣點；當(dāng)J<20且不再創(chuàng)新低時，則當(dāng)天是買點。②RSI指標(biāo)反映了市場供求關(guān)系和買賣雙方力量的變化。當(dāng)80100且不再創(chuàng)新高時，則該天是賣點；當(dāng)CCI<-100且不再創(chuàng)新低時，則該天是買點；④MACD指標(biāo)利用兩條不同周期指數(shù)移動平均線之間的差異反映了股價波動方向的趨勢。當(dāng)MACD不再創(chuàng)新高時，則該天是賣點，當(dāng)MACD不再創(chuàng)新低時，則該天是買點。

1.2 C-SVM算法對股市買賣點預(yù)測

1.2.1 C-SVM算法原理

給定訓(xùn)練集T={(x1,y1),(x2,y2),…,(xl,yl)}∈(X,Y)l，xi∈Rn，其中樣本類別為yi∈{-1,1}。尋找超平面(ω·x)+b=0對兩類樣本正確分離,并且使得兩類樣本點之間的距離最大。對分類超平面標(biāo)準(zhǔn)化處理，使得樣本滿足不等式：

從而對樣本進(jìn)行分類。

1.2.2 訓(xùn)練集和樣本集

對股市技術(shù)買賣定義和真實買賣點定后，如果當(dāng)天被技術(shù)指標(biāo)KDJ、RSI、CCI、MACD及V型形態(tài)判斷為買點，則對應(yīng)的向量值為1；如果為賣點，則對應(yīng)的向量值為-1；否則對應(yīng)的向量值為0。如果某天的判斷向量為(x1，x2，x3，x4，xf)，若xf≠0,x1+x2+x3+x4>0，即選取該天是買賣點并且至少有兩個技術(shù)指標(biāo)表示該天是買賣點，把滿足這樣條件的向量抽取出來共350天數(shù)據(jù)，經(jīng)SVM算法訓(xùn)練和預(yù)測，并把其中270天作為訓(xùn)練樣本，80天作為測試集。

1.2.3 SVM算法核函數(shù)及其參數(shù)的選擇

股市是一個復(fù)雜的非線性系統(tǒng)，通過引入核函數(shù)把輸入空間線性不可分樣本集映射到高維空間，在變換的空間中尋找最優(yōu)分類面。在SVM算法中，徑向基核函數(shù)在很多領(lǐng)域都表現(xiàn)出很好的性能，對于距離比較近的樣本點有很好的分類效果，所以選擇徑向基核函數(shù)。而對于參數(shù)的選擇，采用交叉驗證方法，利用Matlab軟件中Libsvm工具包，尋找最優(yōu)參數(shù)。

1.2.4 訓(xùn)練和測試

利用Libsvm進(jìn)行訓(xùn)練和測試發(fā)現(xiàn)構(gòu)造的篩選股票買賣點的方法準(zhǔn)確率為86.3%。同時，當(dāng)某天被判為真實買賣點時，技術(shù)指標(biāo)判斷該天是買賣點的準(zhǔn)確率得到很大的提高，其中，RSI指標(biāo)、KDJ指標(biāo)、CCI指標(biāo)分別提高了22.1%、24.2%、43.0%。這說明對于投資者可以利用技術(shù)指標(biāo)和成交量加權(quán)價格通過簡單的計算就可以判斷出該天是否為買賣點，并且準(zhǔn)確率相對較高。這樣就避免了投資者錯過投資時機，減少不必要損失。

2 構(gòu)建隨機持有期的動量策略模型

筆者主要探討SVM算法和夏普比率選股標(biāo)準(zhǔn)相結(jié)合的動量策略，以考察滬深300指數(shù)成分股在2013年6月25日至2015年7月10日間動量組合收益的變化，這段期間剛好包含兩個熊市和牛市階段，并對實證結(jié)果進(jìn)行分析及解釋。實驗主要運用Matlab軟件對數(shù)據(jù)進(jìn)行計算，在動量部分采取最簡單的線性處理方式。

2.1 SVM-J/T方法的動量策略模型

2.2 基于SVM-Sharpe方法的動量策略模型

3 基于SVM-Sharpe方法動量策略實證結(jié)果

由7種形成期和7種持有期構(gòu)造的49種投資策略，以SVM-J/T方法的動量策略在不同形成期間和持有期間的動量收益變化如圖1所示。

圖1 基于SVM-J/T方法動量收益走勢圖

根據(jù)SVM-Sharpe方法的動量策略計算不同投資策略下贏家組合、輸家組合和動量組合平均周收益率得到的結(jié)果如表1所示。

由表1可知，在所有的策略中贏家組合和輸家組合的收益幾乎都是正數(shù)，當(dāng)持有期間為4周以內(nèi)時，動量組合收益都小于0，表明我國股市在短期內(nèi)發(fā)生了反轉(zhuǎn)效應(yīng)，在(12,1)策略中輸家組合平均周收益率最高達(dá)到3.2%；當(dāng)持有期大于12周(含)時，動量組合收益開始由負(fù)變正，股市表現(xiàn)出明顯的動量效應(yīng)，在策略(24,24)中贏家組合收益最高為3.07%。另外，在形成期大于2小于24周時，贏家組合收益隨持有期間增大而增大，當(dāng)形成期大于12周時，贏家組合的周收益率均大于2%以上，小于12周時收益率最高為1.6%。而輸家組合的收益趨勢隨持有期的增大先減小后緩慢增加，在形成期為2周或持有期為1周時，輸家組合的整體收益相對較高。

表1 基于SVM-Sharp方法的動量策略檢驗結(jié)果

以SVM-Sharp方法的動量策略在不同形成期間和持有期間的動量收益，如圖2所示。圖1與圖2反映了基于上述兩種方法構(gòu)造動量組合收益在不同形成期間隨持有期間平均累計周收益率變化，在持有期小于4周內(nèi)，除J/T方法(48,4)策略外動量組合收益率均小于0，表現(xiàn)出明顯的反轉(zhuǎn)現(xiàn)象，并且SVM-J/T方法的動量收益高于SVM-Sharp方法；但是在中長時期(12周以上)，SVM-Sharp方法的動量收益高于SVM-J/T方法構(gòu)造的投資組合。在28個策略中基于SVM-Sharp方法的動量組合收益都大于0，表現(xiàn)出了明顯的動量現(xiàn)象。公司績效較高的股票在未來12周后，會繼續(xù)保持原來的優(yōu)勢，可以獲得較高的收益；而SVM-J/T方法只有17個策略表現(xiàn)出正收益，收益較低，波動較大，動量效應(yīng)不明顯。單靠公司股票收益衡量投資績效在短期內(nèi)可以獲得高收益，但在12周以上這種優(yōu)勢很難繼續(xù)保持，投資者應(yīng)當(dāng)慎重。

4 結(jié)論

圖2 基于SVM-Sharpe方法動量收益走勢圖

在J/T方法的基礎(chǔ)上，構(gòu)造了基于SVM-Sharpe的動量策略，考察我國滬深300指數(shù)樣本股動量效應(yīng)和反轉(zhuǎn)效應(yīng)。主要結(jié)論有：①將SVM算法與動量策略相結(jié)合后，在1年內(nèi)多數(shù)投資策略都表現(xiàn)出正的收益，說明SVM-Sharpe方法是有效的；②在短期4周內(nèi)新策略構(gòu)造的動量組合收益均小于0，投資者采用反轉(zhuǎn)策略可以獲得較高的收益，當(dāng)持有期大于12周時，動量組合收益均大于0，中長期投資者采取動量策略可以獲得較高的收益；③從動量收益角度觀察兩種方法可知，在短期4周內(nèi)SVM-J/T方法構(gòu)建的動量組合收益要高于SVM-Sharp方法，當(dāng)持有期間增大時，這種優(yōu)勢將逐漸被SVM-Sharp方法代替，動量收益開始小于SVM-Sharpe方法。投資者若短期投資時，采用J/T方法選擇股票，可以獲取較高的收益；若持有時間大于12周時，以夏普比率方法選股獲得更高收益。在證券市場中，投資收益越高，投資者要承擔(dān)的風(fēng)險可能就越大，同時我國投資者善于短線投資，在短期內(nèi)SVM-J/T方法比較適合，而長期持有時，作為衡量股票“性價比”的夏普比率反映出資產(chǎn)的波動和風(fēng)險大小，對于理性投資者來說SVM-Sharpe方法比較適合中長期投資策略。

[1] De BONDT W F M, THALER R. Does the stock market overreact[J]. Journal of Finance,1985,40(3):793-805.

[2] JEGADEESH N, TITMAN S. Returns to buying winners and selling losers: implications for stock market efficiency[J]. Journal of Finance,1993,48(1):65-91.

[3] 王永宏,趙學(xué)軍.中國股市慣性策略和反轉(zhuǎn)策略的實證分析[J].經(jīng)濟研究,2001,6(3):56-89.

[4] 柴菁敏.中國股市超短期動量效應(yīng)和反轉(zhuǎn)效應(yīng)的實證研究[D].成都：西南財經(jīng)大學(xué),2012.

[5] 楊斌,劉小波,史文璟.中國A股動量交易策略效應(yīng)實證研究[J].投資研究,2015(1):137-147.

[6] 黃玲愛.跳躍擇時結(jié)合動量策略和反轉(zhuǎn)策略的盈利性研究[D].廈門：廈門大學(xué),2014.

[7] 邵鳳希.不同依據(jù)下動量策略在我國商品期貨市場的比較研究[J].時代金融旬刊,2016(1):110-111.

[8] 牛芳.我國A股市場動量效應(yīng)實證研究,宏觀經(jīng)濟研究[J].宏觀經(jīng)濟研究,2014(3):109-113.

[9] TORU W, JUNICHI T， KATSUTOSHI K, et al. Momentum strategies based on reward-risk stock selection criteria[J]. Journal of Banking and Finance,2007,31(8):2325-2346.

[10] NAKHLI M S, BELKACEM L. The momentum strategies: a new criterion of classification[J]. Journal of Business Studies Quarterly,2014,5(3):87-98.

[11] 寧欣,王志強.基于殘差收益的動量或反轉(zhuǎn)效應(yīng):來自中國A股市場的經(jīng)驗證據(jù)[J].投資研究,2012(12):123-136.

[12] 多梅爾.趨勢是金從成交量分析中輕松獲利[M].李昆，譯.大連：東北財經(jīng)大學(xué)出版社,2012:124-146.

MA Xue:Postgraduate; School of Science, WUT, Wuhan 430070, China.

The Application of CSI 300 Based on SVM-Sharpe Momentum Strategies

MAXue，CHENShengshuang，YUFang

In order to improve the performance of the momentum strategies and to develop a new criterion of classification based on the Sharpe ratio on the premise of using C-SVM algorithm predict stock market point of purchase. Experiments show that, CSI 300 market has an obvious reverse effect in short term and it exists momentum effect in medium and long term. And it gives some operational suggestions on the development of China’s stock market and investors’ investments in Shanghai and Shenzhen 300 market.

momentum strategies; contrarian strategies; SVM；Sharpe ratio

2095-3852(2016)05-0580-05

A

2016-06-01.

馬雪(1987-)，女，河北邯鄲人，武漢理工大學(xué)理學(xué)院碩士研究生.

國家“863”高技術(shù)研究發(fā)展計劃基金項目(20121g0139).

F832 DOI：10.3963/j.issn.2095-3852.2016.05.014