【Python量化投资】涨跌幅度分级，使用SVM分类预测

• 流通市值最小500

• 引用情景因子初探

简单说明

• 开始的时候想做一个ZZ800成分股的小策略，然后受制于性能限制，也懒得自己造轮子，就改成SH50了
• 今天有空对SH50成分股简单优化了一下参数
• 本文不涉及信号的理念、产生、筛选、处理相关方面

策略假设

• 1 股票池里面股票涨跌幅度符合标准正态分布
• 3 假设股价是一个电梯运动轨迹，上升一层（一个价格区间），回调几层（另一个价格区间），那么在未来一段时间（10~20天）内股价会有所表示。
• 更长时间的股票涨跌趋势涉及更多的信息层面和更多分类的信息处理不考虑。
• 4 指标在不同的市场行情投资心态下使用不同的参考标准，过去3 ~ 4 月内的投资心态在短期内会有顺延趋势

然而效果并不好

• 资金流入 = 资金流出 + 永久性损耗（税、佣金等）
• 大致上还是符合正态分布的

• 简单看一下过去一段时间SH50 10天收益率波动

• 将波动率范围简单分级看一下

• 成分股看一下

• 测试效果

做成滚动策略看看效果