行业广发证券拨开云雾见月明

广发证券：拨开云雾见月明 类别： 机构： 研究员：

[摘要]

传统逻辑推理的前提条件及结论都是通过具有明确边界的集合来判断和定义的，例如“如果某人A是高个子，那么其子女也是高个子”这样一条推理，传统方式可定义“高个子”集合为身高大于等于1.8米，在此意义下，一个人是不是高个子或者说是否属于“高个子”集合是非常明确的，是或不是必选其一，不存在模棱两可的情况，然而这并不能表达人类语言意义上的高个子的含义，因为1.7999米将不被认为是高个子。在秦致看来应用基于模糊集合的模糊推理机制这一问题将迎刃而解，在模糊集合概念下某人对“高个子”集合存在一个隶属度（如0.8），隶属度也可以看成是前提条件的满足程度。因此模糊推理机制对于解决带有不确定性的问题具有独到之处，可以应用于股票价格波动择时研究中。

ANFIS模型及实证效果ANFIS模型对每一个输入变量分别赋予多个模糊集合并计算其满足程度（隶属度），形成多条件模糊规则并通过T范式算子（如代数积算子）计算模糊规则的激励强度，再采用函数式推理方式计算每一条规则的推理结果并由激励强度加权得到最后输出。

本文采用滚动预测方式，对每一组训练样本，分别优化由不同隶属函数、不同迭代参数改动量（StepSize）组成的共计21个ANFIS的模型库，取训练检验样本均方误差最小的9个来代入新的输入变量值，取9个模型输出的均值为最后输出。

以1996年1月5日至2002年12月27日347个周线数据为训练样本，2003年1月3日至2011年6月24日428个数据为检验样本。由12个行情或技术指标+5个宏观变量指标构成17个基础输入，再经过滞后期算子得到51个衍生变量，总共68个变量，拟合目标按涨跌分两类记为1或-1，分别取两输入和三输入进行了周成海来到杭州52394次不同输入组合的寻优计算，给出了5个最优的输入组合，其中样本外预测准确率最高者为“RSI、收盘滞后2期、成交额滞后3期”，准确率达到57.24%，考虑单边0.5%手续费后模拟收益率表现超过指数，年化信息比率为1.02，无交易费下年化信息比率为5.80。

自定义优化目标之ANFIS模型改进对ANFIS模型预测输出按正负号记为涨或跌并与实际涨跌比较计算准确率，应用遗传算法优化模型参数最大化准确率目标函数，得到的改进模型A在同样的样本外区间预测准确率达到57.94%，略高于最佳输入情形的57.24%，但考虑手续费后的模型收益表现略不及指数且较最佳输入情形逊色。

改进模型B以经交易次数调整后的择时准确率为最大化目标函数，改进模型B交易次数由改进模型A的121次下降至119次，准确率达到60.51%，模拟收益表现强于指数且强于最佳输入情形，无交易费及有交易费下年化信息比率分别为6.13、2.24。

.