基于SVM-Sharpe方法的动量策略在沪深300市场中的应用

马 雪，陈盛双，余 放

(武汉理工大学 理学院，湖北 武汉 430070)



基于SVM-Sharpe方法的动量策略在沪深300市场中的应用

马 雪，陈盛双，余 放

(武汉理工大学 理学院，湖北 武汉 430070)

为了提高动量策略的性能，在J/T方法的基础上，提出了新的动量策略并检验我国沪深300市场的有效性，即在C-SVM算法预测股市买点前提下，构造了基于夏普比率方法的动量策略。结果表明，我国股市在短期内存在明显的反转现象，在中长期存在明显的动量现象，这一现象对我国证券市场的发展和沪深300市场投资者具有参考价值。

动量策略；反转策略；支持向量机；夏普比率

动量效应指过去表现好(坏)的股票或投资组合在未来一段时间继续保持较好(坏)的收益。De BONDT等[1]最先在美国交易市场发现了反转效应；随后JEGADEESH和TITMAN也对美股市场进行了研究，发现美国股市不仅存在长期反转效应，而且存在中期动量效应[2]。而国内学者对动量效应和反转效应研究中，王永宏等[3]在沪深A股市场未发现动量效应，但有明显的反转现象；柴青梅[4]，杨斌等[5]在JEGADEESH和TITMANT(1993)方法(简称J/T方法)基础上，分别引入成交量、市值、基金持股比例等因素构造新的动量策略，研究发现成交量、市值规模、机构持股比例对动量策略有显著的影响。

由国内外文献可知，多数学者研究股市动量效应和反转效应时以固定持有期为前提，我国股市波动比较剧烈，如果投资者能够在股市发生逆转或者即将发生逆转时通过动量策略选股，这是很有意义的。其中黄爱玲[6]、邵凤希[7]、牛芳[8]分别将跳跃风险指标、均线指标和MACD指标与动量策略相结合，研究发现新动量策略市场收益优于纯策略。

另外，股票的分类标准也是执行动量策略的关键，多数学者以股票过去累计收益筛选股票构造投资组合，在投资决策中以收益衡量股票的绩效很可能出现 “风险换收益”的情况。仅有部分学者在筛选股票时考虑到投资风险，如TORU等[9]，NAKHLI等[10]研究了基于夏普比率方法的动量策略，结果发现新策略具有较高的风险调整后收益，虽然J/T方法构造的动量组合获得了较高的收益，但投资风险也比较高。在国内仅有宁欣等[11]研究了基于残差收益的动量策略，该策略构造的动量组合具有较高的风险调整后收益。而有关夏普比率动量策略的研究在国内目前还未发现。所以构造了随机持有期间前提下，基于夏普比率的动量策略，重点考察新策略在沪深300市场动量效应和反转效应存在性检验，并对实验结果进行解释分析。

1 SVM算法股市买卖点预测模型

在金融时间序列预测模型中，SVM算法具有全局最优、泛化能力较好等优点，而神经网络算法会出现过学习现象。并且对于复杂的股市系统，SVM算法能够非常成功地处理非线性问题，在有限样本下，通过引入核函数巧妙地避免了维数灾难，降低了模型的复杂度。

1.1 数据来源及处理

以沪深300指数交易数据为研究对象。涉及数据有：收盘价、成交量、随机指标KDJ、相对强弱指标RSI、顺势指标CCI和平滑异同平均线MACD。股票收盘价及成交量来自于Wind数据库，股票技术指标来自于大智慧软件，并对收盘价进行了向前除权除息处理，数据处理主要包括计算成交量加权价格指标及其平滑处理和买卖点定义。研究区间为2007年1月4日至2015年7月10日。

1.1.1 成交量加权价格指标

根据技术分析理论，成交量领先于价格并证实价格变化趋势的有效性，但是大部分技术分析师和学者在计算价格平均值时仍然只考虑价格和时间因素，基于这种认识，巴夫[12]提出了成交量加权移动平均值(VWMA)，将每个交易日的收盘价用该日的成交量占给定期间总成交量的比例进行加权，以此反映投资者意愿。其计算公式为：

1.1.2 买卖点定义

(1)技术指标买卖点定义。①KDJ指标反映了价格走势的强弱及超买超卖状况。当J>80且不再创新高时，则该天是卖点；当J<20且不再创新低时，则当天是买点。②RSI指标反映了市场供求关系和买卖双方力量的变化。当80100且不再创新高时，则该天是卖点；当CCI<-100且不再创新低时，则该天是买点；④MACD指标利用两条不同周期指数移动平均线之间的差异反映了股价波动方向的趋势。当MACD不再创新高时，则该天是卖点，当MACD不再创新低时，则该天是买点。

1.2 C-SVM算法对股市买卖点预测

1.2.1 C-SVM算法原理

给定训练集T={(x1,y1),(x2,y2),…,(xl,yl)}∈(X,Y)l，xi∈Rn，其中样本类别为yi∈{-1,1}。寻找超平面(ω·x)+b=0对两类样本正确分离,并且使得两类样本点之间的距离最大。对分类超平面标准化处理，使得样本满足不等式：

从而对样本进行分类。

1.2.2 训练集和样本集

对股市技术买卖定义和真实买卖点定后，如果当天被技术指标KDJ、RSI、CCI、MACD及V型形态判断为买点，则对应的向量值为1；如果为卖点，则对应的向量值为-1；否则对应的向量值为0。如果某天的判断向量为(x1，x2，x3，x4，xf)，若xf≠0,x1+x2+x3+x4>0，即选取该天是买卖点并且至少有两个技术指标表示该天是买卖点，把满足这样条件的向量抽取出来共350天数据，经SVM算法训练和预测，并把其中270天作为训练样本，80天作为测试集。

1.2.3 SVM算法核函数及其参数的选择

股市是一个复杂的非线性系统，通过引入核函数把输入空间线性不可分样本集映射到高维空间，在变换的空间中寻找最优分类面。在SVM算法中，径向基核函数在很多领域都表现出很好的性能，对于距离比较近的样本点有很好的分类效果，所以选择径向基核函数。而对于参数的选择，采用交叉验证方法，利用Matlab软件中Libsvm工具包，寻找最优参数。

1.2.4 训练和测试

利用Libsvm进行训练和测试发现构造的筛选股票买卖点的方法准确率为86.3%。同时，当某天被判为真实买卖点时，技术指标判断该天是买卖点的准确率得到很大的提高，其中，RSI指标、KDJ指标、CCI指标分别提高了22.1%、24.2%、43.0%。这说明对于投资者可以利用技术指标和成交量加权价格通过简单的计算就可以判断出该天是否为买卖点，并且准确率相对较高。这样就避免了投资者错过投资时机，减少不必要损失。

2 构建随机持有期的动量策略模型

笔者主要探讨SVM算法和夏普比率选股标准相结合的动量策略，以考察沪深300指数成分股在2013年6月25日至2015年7月10日间动量组合收益的变化，这段期间刚好包含两个熊市和牛市阶段，并对实证结果进行分析及解释。实验主要运用Matlab软件对数据进行计算，在动量部分采取最简单的线性处理方式。

2.1 SVM-J/T方法的动量策略模型

2.2 基于SVM-Sharpe方法的动量策略模型

3 基于SVM-Sharpe方法动量策略实证结果

由7种形成期和7种持有期构造的49种投资策略，以SVM-J/T方法的动量策略在不同形成期间和持有期间的动量收益变化如图1所示。

图1 基于SVM-J/T方法动量收益走势图

根据SVM-Sharpe方法的动量策略计算不同投资策略下赢家组合、输家组合和动量组合平均周收益率得到的结果如表1所示。

由表1可知，在所有的策略中赢家组合和输家组合的收益几乎都是正数，当持有期间为4周以内时，动量组合收益都小于0，表明我国股市在短期内发生了反转效应，在(12,1)策略中输家组合平均周收益率最高达到3.2%；当持有期大于12周(含)时，动量组合收益开始由负变正，股市表现出明显的动量效应，在策略(24,24)中赢家组合收益最高为3.07%。另外，在形成期大于2小于24周时，赢家组合收益随持有期间增大而增大，当形成期大于12周时，赢家组合的周收益率均大于2%以上，小于12周时收益率最高为1.6%。而输家组合的收益趋势随持有期的增大先减小后缓慢增加，在形成期为2周或持有期为1周时，输家组合的整体收益相对较高。

表1 基于SVM-Sharp方法的动量策略检验结果

以SVM-Sharp方法的动量策略在不同形成期间和持有期间的动量收益，如图2所示。图1与图2反映了基于上述两种方法构造动量组合收益在不同形成期间随持有期间平均累计周收益率变化，在持有期小于4周内，除J/T方法(48,4)策略外动量组合收益率均小于0，表现出明显的反转现象，并且SVM-J/T方法的动量收益高于SVM-Sharp方法；但是在中长时期(12周以上)，SVM-Sharp方法的动量收益高于SVM-J/T方法构造的投资组合。在28个策略中基于SVM-Sharp方法的动量组合收益都大于0，表现出了明显的动量现象。公司绩效较高的股票在未来12周后，会继续保持原来的优势，可以获得较高的收益；而SVM-J/T方法只有17个策略表现出正收益，收益较低，波动较大，动量效应不明显。单靠公司股票收益衡量投资绩效在短期内可以获得高收益，但在12周以上这种优势很难继续保持，投资者应当慎重。

4 结论

图2 基于SVM-Sharpe方法动量收益走势图

在J/T方法的基础上，构造了基于SVM-Sharpe的动量策略，考察我国沪深300指数样本股动量效应和反转效应。主要结论有：①将SVM算法与动量策略相结合后，在1年内多数投资策略都表现出正的收益，说明SVM-Sharpe方法是有效的；②在短期4周内新策略构造的动量组合收益均小于0，投资者采用反转策略可以获得较高的收益，当持有期大于12周时，动量组合收益均大于0，中长期投资者采取动量策略可以获得较高的收益；③从动量收益角度观察两种方法可知，在短期4周内SVM-J/T方法构建的动量组合收益要高于SVM-Sharp方法，当持有期间增大时，这种优势将逐渐被SVM-Sharp方法代替，动量收益开始小于SVM-Sharpe方法。投资者若短期投资时，采用J/T方法选择股票，可以获取较高的收益；若持有时间大于12周时，以夏普比率方法选股获得更高收益。在证券市场中，投资收益越高，投资者要承担的风险可能就越大，同时我国投资者善于短线投资，在短期内SVM-J/T方法比较适合，而长期持有时，作为衡量股票“性价比”的夏普比率反映出资产的波动和风险大小，对于理性投资者来说SVM-Sharpe方法比较适合中长期投资策略。

[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,赵学军.中国股市惯性策略和反转策略的实证分析[J].经济研究,2001,6(3):56-89.

[4] 柴菁敏.中国股市超短期动量效应和反转效应的实证研究[D].成都：西南财经大学,2012.

[5] 杨斌,刘小波,史文璟.中国A股动量交易策略效应实证研究[J].投资研究,2015(1):137-147.

[6] 黄玲爱.跳跃择时结合动量策略和反转策略的盈利性研究[D].厦门：厦门大学,2014.

[7] 邵凤希.不同依据下动量策略在我国商品期货市场的比较研究[J].时代金融旬刊,2016(1):110-111.

[8] 牛芳.我国A股市场动量效应实证研究,宏观经济研究[J].宏观经济研究,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] 宁欣,王志强.基于残差收益的动量或反转效应:来自中国A股市场的经验证据[J].投资研究,2012(12):123-136.

[12] 多梅尔.趋势是金从成交量分析中轻松获利[M].李昆，译.大连：东北财经大学出版社,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.

马雪(1987-)，女，河北邯郸人，武汉理工大学理学院硕士研究生.

国家“863”高技术研究发展计划基金项目(20121g0139).

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