C-SVM動(dòng)態(tài)仿真模型下的光伏建筑一體化板塊投資策略研究

裴智明,靳謙誠(chéng),張 迪

(太原理工大學(xué) 機(jī)械與運(yùn)載工程學(xué)院,山西 太原 030024)

0 引言

國(guó)家《第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》中提出,將2030年實(shí)現(xiàn)“碳達(dá)峰”與2060年實(shí)現(xiàn)“碳中和”作為我國(guó)應(yīng)對(duì)全球氣候變暖的一個(gè)重要遠(yuǎn)景目標(biāo)。光伏建筑一體化(BIPV)是充分利用工業(yè)建筑、公共建筑屋頂?shù)荣Y源實(shí)施分布式光伏發(fā)電工程,對(duì)我國(guó)實(shí)現(xiàn)“碳達(dá)峰”和“碳中和”起到重要作用[1]。在股票交易軟件中,每只股票都有日K線、移動(dòng)平均線,通過(guò)對(duì)日K線和移動(dòng)平均線的分析,可知每只股票的走勢(shì)。股票市場(chǎng)中有板塊指數(shù),它是對(duì)該板塊走勢(shì)的整體反映[2]。現(xiàn)統(tǒng)計(jì)滬深股市中36家光伏建筑一體化相關(guān)企業(yè)的股票數(shù)據(jù)(數(shù)據(jù)來(lái)源:http://shumo.neepu.edu.cn/),將這36家企業(yè)股票看作一個(gè)整體,稱為光伏建筑一體化板塊。

本文基于時(shí)間序列及多元非線性回歸分析的數(shù)學(xué)方法,對(duì)簡(jiǎn)單移動(dòng)平均線模型進(jìn)行了優(yōu)化,應(yīng)用指數(shù)平滑預(yù)測(cè)模型、雙重指數(shù)平滑預(yù)測(cè)模型、多層次的多元非線性回歸預(yù)測(cè)模型,對(duì)模型根據(jù)預(yù)測(cè)結(jié)果與實(shí)際情況的方差值或離散情況進(jìn)行多次誤差分析、修正及優(yōu)化。文章根據(jù)多元非線性回歸預(yù)測(cè)模型進(jìn)行預(yù)測(cè),根據(jù)穩(wěn)定時(shí)間序列求出5月28日后20個(gè)交易日的日移動(dòng)平均線、3周的周移動(dòng)平均線、2個(gè)月的月移動(dòng)平均線,并分析上證指數(shù)和光伏建筑一體化板塊指數(shù)之間的關(guān)系。文章首先用SPSS做出上證指數(shù)開(kāi)盤價(jià)、上證指數(shù)最高價(jià)、上證指數(shù)最低價(jià)、上證指數(shù)收盤價(jià)與板塊指數(shù)開(kāi)盤價(jià)、板塊指數(shù)最高價(jià)、板塊指數(shù)最低價(jià)、板塊指數(shù)收盤價(jià)的矩陣方塊圖,并擬合每?jī)蓚€(gè)參數(shù)之間的線性關(guān)系曲線,觀察大致的相關(guān)關(guān)系,然后用斯Pearson相關(guān)系數(shù)模型對(duì)其中的相關(guān)關(guān)系進(jìn)行量化,得出更為可靠的結(jié)果;再根據(jù)收益率和波動(dòng)率進(jìn)行初步的風(fēng)險(xiǎn)評(píng)估,將數(shù)據(jù)進(jìn)行具體實(shí)際意義轉(zhuǎn)化,而后根據(jù)時(shí)間序列模型,結(jié)合移動(dòng)平均線及其相應(yīng)改進(jìn)模型,計(jì)算出股票的未來(lái)走勢(shì),確定風(fēng)險(xiǎn)大小。對(duì)于求解最佳投資方案,筆者分別以價(jià)量信息和技術(shù)信息為樣本屬性集合進(jìn)行C-SVM靜態(tài)仿真獲得買賣信號(hào),進(jìn)一步利用具備止損測(cè)試機(jī)構(gòu)的C-SVM動(dòng)態(tài)仿真模型得出最佳的投資方案。

1 模型假設(shè)

在不影響模型的建立和數(shù)學(xué)分析求解的基本條件下,建立滿足模型有效性的假設(shè)條件對(duì)于簡(jiǎn)化運(yùn)算模型是非常必要的。股票價(jià)格的技術(shù)分析方法通常可分為兩類,一種是圖表分析法,另一種是技術(shù)指標(biāo)分析法。在本次建模過(guò)程中對(duì)于光伏建筑一體化板塊指數(shù)發(fā)展趨勢(shì)分析及預(yù)測(cè)中,筆者采用了技術(shù)分析的方法,并設(shè)計(jì)了3個(gè)市場(chǎng)假設(shè)構(gòu)建成一個(gè)完整的理論體系。這3個(gè)假設(shè)包括:(1)有效市場(chǎng)假設(shè),即市場(chǎng)行為涵蓋一切信息,市場(chǎng)行為是所有綜合因素的反應(yīng),不需要過(guò)多地去研究具體某一個(gè)因素的變化是如何影響股價(jià)的。(2)技術(shù)分析理論有效,即價(jià)格沿趨勢(shì)移動(dòng),股價(jià)在某一個(gè)時(shí)間段會(huì)主要保持上升或下降的狀態(tài),而不是雜亂無(wú)章的。(3)經(jīng)驗(yàn)論,即歷史重演,假設(shè)認(rèn)為在某一情況下出現(xiàn)行情,得到結(jié)果,那么當(dāng)下一次出現(xiàn)這一行情的時(shí)候,人們會(huì)根據(jù)經(jīng)驗(yàn)認(rèn)為發(fā)展結(jié)果會(huì)和上次一樣。

1.1 對(duì)光伏建筑一體化板塊個(gè)股投資風(fēng)險(xiǎn)的評(píng)估

經(jīng)檢驗(yàn),證指數(shù)和光伏建筑一體化板塊指數(shù)在開(kāi)盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)之間確實(shí)存在一定正比關(guān)系。選取2020年4月27日至2021年5月27日期間20個(gè)交易日的上證A股的價(jià)格信息(包括開(kāi)盤價(jià)、最高價(jià)、最低價(jià)、收盤價(jià)、結(jié)算價(jià)、成交量和持倉(cāng)量)作為原始的樣本屬性集合,并進(jìn)一步衍生出訓(xùn)練樣本屬性集合,建立兩套C-SVM仿真模型。

1.2 建立以價(jià)量信息與技術(shù)指標(biāo)為樣本屬性集合的C-SVM靜態(tài)仿真模型

本研究首先以價(jià)量信息作為樣本的屬性集合,進(jìn)行樣本的歸一化。建模過(guò)程大致可以分為以下幾個(gè)部分。首先建立原始的樣本屬性集合,并在此基礎(chǔ)上通過(guò)運(yùn)用技術(shù)指標(biāo)衍生出一套新的訓(xùn)練樣本屬性集合。針對(duì)兩種不同類型的樣本屬性集合分別通過(guò)C-SVM算法的訓(xùn)練得到兩種不同的模型,并檢驗(yàn)兩種模型交易信號(hào)的預(yù)測(cè)準(zhǔn)確率。C-SVM動(dòng)態(tài)仿真基于前一日價(jià)格信息進(jìn)行預(yù)測(cè)。最后,一個(gè)簡(jiǎn)單的交易策略系統(tǒng)將會(huì)被建立,相應(yīng)的預(yù)測(cè)精準(zhǔn)度、最大回撤、夏普比率及信息比率等常見(jiàn)指標(biāo)會(huì)被用來(lái)評(píng)測(cè)交易策略模型[3,4]。以價(jià)量信息為樣本屬性集合進(jìn)行C-SVM靜態(tài)仿真,參數(shù)尋優(yōu)的結(jié)果如圖1所示。可以看到在已知當(dāng)日價(jià)格信息的條件下,預(yù)測(cè)當(dāng)日的買賣信號(hào),在交叉驗(yàn)證下最佳的分類準(zhǔn)確率為89.473 6%,最佳參數(shù)c=128,g=0.015 625。同理,如圖2所示,可以看到以價(jià)量信息作為樣本的屬性集合最佳的分類準(zhǔn)確率為84.210 5%,最佳參數(shù)c=0.707 11,g=0.125。

圖1 參數(shù)選擇價(jià)量信息

圖2 技術(shù)指標(biāo)

2 C-SVM動(dòng)態(tài)仿真模型及仿真結(jié)果

由仿真結(jié)果可知,在動(dòng)態(tài)仿真建模中以價(jià)量信息為樣本屬性集的最優(yōu)滑窗長(zhǎng)度為16,最佳準(zhǔn)確率為100%。以技術(shù)指標(biāo)為樣本屬性集的最優(yōu)滑窗長(zhǎng)度為16,最佳準(zhǔn)確率為100%。在得到最佳時(shí)間窗口長(zhǎng)度的基礎(chǔ)上,使用得到的SVM模型預(yù)測(cè)交易信號(hào),并以實(shí)際的買賣信號(hào)進(jìn)行對(duì)比。各項(xiàng)指標(biāo)的測(cè)試結(jié)果如下所示:cmd2=‘-c 0.707 11-g 0.125-b 1’;最佳滑窗敞口=16;最優(yōu)準(zhǔn)確度=1;夏普比率=20.790 1;信息比率=1.194 1;最終獲利點(diǎn)數(shù)=100.797 3;預(yù)期未來(lái)10日內(nèi)最大回撤=0.087 112。

3 實(shí)驗(yàn)結(jié)果

本文建立了一個(gè)基于C-SVM算法的期貨量化交易模型,并通過(guò)在模型中引入相應(yīng)的止損機(jī)制,實(shí)現(xiàn)在分類“低”準(zhǔn)確率下的交易高勝率,從而達(dá)到構(gòu)建的SVM模型在整體市場(chǎng)價(jià)格走勢(shì)中穩(wěn)定贏利的目的。對(duì)整個(gè)模型的驗(yàn)證及仿真結(jié)果顯示,加入止損機(jī)制后的CSVM算法對(duì)不同的樣本屬性集合構(gòu)建的模型均能產(chǎn)生一個(gè)有效的收益。最終得到結(jié)果,月獲利率0.8%,年獲利率10.03%。

4 結(jié)語(yǔ)

根據(jù)光伏建筑一體化板塊指數(shù)移動(dòng)平均線分析不難得出我國(guó)的行業(yè)發(fā)展的復(fù)雜性和影響因素的多元性,根據(jù)資料顯示和數(shù)據(jù)分析,通過(guò)一定周期(三周、20日、40日)3種模型分析可以發(fā)現(xiàn)在后續(xù)處理中偏離性太大,對(duì)實(shí)踐的指導(dǎo)意義不大,而且還有可能影響決策。