证券投资基金评级方法研究

摘要

支持向量机是借助于最优化方法解决机器学习问题的新工具，它最初于二十世纪九十年代由Vapnik提出，近年来在其理论研究和算法实现方面都取得了突破性进展，开始成为克服“维数灾难”和“过学习”的有力手段。本文将主要研究如何将支持向量机方法应用于证券投资基金的评级。主要研究内容是应用支持向量机多类分类法建立评估模型实现以下目的：对证券投资基金过去的业绩进行评价、对其将来的业绩进行预测并作出信用评级、为投资者选择基金提供科学的决策依据。本文所做的主要工作有： 一对国内外证券投资基金评级方法进行总体阐述，详细介绍晨星公司基金评级方法、因子分析法、回归分析法等。 二将支持向量机算法用matlab程序实现。 三本文选取开放式基金中的典型代表——股票型基金作为研究对象，利用2006年的数据对2007年的基金进行评级，建立对证券基金评级的支持向量机分类模型，再利用此模型预测2008年的证券基金评级分类。 本文的创新之处是：建立支持向量机模型研究证券投资基金评级方法，以财务指标和基金各项指标作为输入向量，通过支持向量机算法得到一个决策函数，以对证券投资基金的分类情况为输出，用已建立的支持向量机模型对基金进行分类排序，从而对基金投资者的投资决策选择有所帮助。

目录

文摘

英文文摘

声明

致谢

1 引言

2 证券投资基金评级方法概述

2.1 基金评价研究回顾

2.2 晨星公司基金评级方法

2.2.1 晨星公司基金分类体系及评级基准

2.2.2 晨星公司基金定性评级体系

2.2.3 晨星公司基金定量评级体系

2.2.4 晨星公司基金评级体系存在的缺陷

2.3 因子分析法

2.4 回归分析法

3 支持向量机基本原理

3.1 数据挖掘方法简介

3.2 分类学习机

3.3 线性支持向量回归机

3.4 支持向量分类机

4 基于支持向量机的证券投资基金评级实证研究

4.1 研究对象的确定

4.1.1 基金分类

4.1.2 国内基金的分类标准

4.2 基金评级指标

4.3 实证分析

4.3.1 实证

4.3.2 小结及不足

5 结论

参考文献