基于VMD-ML价格预测模型的股指期货量化投资策略思考

分别对投资策略进行了优化。在分析各个优化项对策略的优化程度时，采用控制变量法，对策略的优化分别进行了回测及对比分析。实验结果表明：（1）本文所提的 VMD-ML 价格预测模型相对于单纯的 SVR、LSTM 预测模型可以提高预测精度，具有更小的误差（MSE、MAE 和 SMAPE）。（2）遗传算法可以有效优化 SVR 算法中的惩罚系数 C 以及高斯核函数中的参数 gamma；网格搜索可以有效优化 LSTM 算法中的神经元个数以及迭代次数；通过对 VMD-ML 价格预测模型中的超参数优化可以提高本文所构建量化投资策略的胜率，同时提高量化投资策略的累计收益、詹森指数、夏普比率以及索提诺比率。（3）改进的马丁格尔仓位管理策略对本文所提投资策略也具有优化效果，可以通过提升赔率（盈亏比）来提高量化投资策略的累计收益、詹森指数、夏普比率以及索提诺比率。（4）通过对沪深 300 股指期货主力连续合约的价格预测可以构建出显著高于沪深 300 指数收益的股指期货量化投资策略。

参考文献（略）