《表2 二分类混淆矩阵表：支持向量机在多因子选股的预测优化》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《支持向量机在多因子选股的预测优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

训练数据中，类别“1”和类别“0”的样本数量大致相当。在训练好模型后，对股票池中的股票进行预测，支持向量机的预测中，两类股票的数量也大致相当。以中证500成分股作为股票池，在支持向量机模型预测后，类别“1”的股票也有大约200支。这意味者，预测为类别“1”的股票中存在大量类别“0”的股票。这样的股票组合收益效果不好，股票数量过多也难以实际操作。由于国内股票市场对卖空的限制，只针对类别“1”股票进行买卖操作。预测结果中，真正例（True Positive，TP）就十分重要，查准率P的情况直接表现了分类效果和投资收益。二分类混淆矩阵表如表2所示。其中，FP表示假正例（False Positive），FN表示假反例（False Negative），TN表示真反例（True Negative）。