过去研究运用相关预测工具于选股议题上,未考量实际取得财务比率之时间点,本研究考量实际上资料取得时点,依据其资料结合平滑支撑向量分类(Smooth support vector classification,SSVC)建立选股模型,c和γ参数搜寻方法则分别采用Grid和...
详细信息
过去研究运用相关预测工具于选股议题上,未考量实际取得财务比率之时间点,本研究考量实际上资料取得时点,依据其资料结合平滑支撑向量分类(Smooth support vector classification,SSVC)建立选股模型,c和γ参数搜寻方法则分别采用Grid和UD,并拟定单期和多期参数搜寻策略,实证结果显示,多期参数搜寻策略结合Grid参数搜寻法所建立之SSVC选股模型,于空头或多头市场,皆可获得超额报酬。
暂无评论