文献类型：期刊文章

作　　者：周亮[1]

Zhou Liang

机构地区：[1]湖南财政经济学院学报编辑部

出　　处：《金融理论与实践》

基　　金：湖南省教育厅科学研究优秀青年项目“行为金融视角下跨市场投资组合管理及尾部风险控制”(项目编号:18B485)

年　　份：2019

卷　　号：0

期　　号：7

起止页码：84-90

语　　种：中文

收录情况：BDHX、BDHX2017、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：机器学习方法在进行非线性预测时表现得极为出色,商品期货跨期价差的非线性特征正契合机器学习的应用实际。选取螺纹钢1809和1810两个合约2017年11月1日至2018年8月31日的30分钟数据作为分析对象,比较了人工神经网络、支持向量回归及Xgboost三种机器学习方法的套利效果。结果发现:支持向量回归的预测效果最佳,相对于传统的标准距离法套利模型,基于支持向量回归的套利模型无论是在收益率还是在胜率上都可以获得显著更优的表现。研究结论验证了机器学习方法在非线性时间序列预测中的优越性,也为低风险套利策略的开发提供了新的思路。

关 键 词：证券市场 商品套利  价差预测  机器学习  支持向量机

分 类 号：F830.9[金融学类]