基于股指波动相关性的选股择时量化投资策略研究
发布时间：2021-06-01 04:44
随着大数据时代的到来和人工智能的发展,量化投资已逐渐替代人工投资进行咨询理财投资服务。量化投资策略也可被称作机器人投资顾问、智能投资理财、自动化投资理财等。通过大数据与智能算法建立量化模型,依据投资者风险偏好,对市场进行判断,对资产进行智能化配置和投资,实行自动策略交易服务。量化投资能够全方位的考察市场的趋势状况,对其投资者财富进行精确配置,包括多种资产区间配比,如股票、期货、基金、保险等。相比于传统分析师来说,量化投资在为客户提供数字化资产配置时,可以提高收益的精确性,降低时间成本和人力成本,提高服务效率。同时给分析师一个优秀的投资工具,为分析师的工作提供巨大的支持。本文引入机器学习方法,添加一些变量和指标,试图找到能够战胜市场并战胜市场上一些量化产品的策略。经过不断尝试,本文设计了基于支持向量机选股和大盘股指波动择时的量化投资策略。在选股策略中,首先将沪深300指数成分股的数据因子进行分类,分为技术指标类因子、公司基本面类因子、舆情指标类因子三大类,再根据收益率排名是否为前50%或后50%设定二分类的因变量。最后通过支持向量机进行模型训练,选出股票。在择时策略中,将大盘风格进行分类...
【文章来源】：上海师范大学上海市
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
技术路线
依据获前得 20％的股票。在运行股票的择时策略时，选取的指标是股票市场的波动率，对波动率进行处理，得到单向的波动率，从而可以判断市场的三种趋势，分别是：“反转”，“趋势”和“震荡”，对应分别采用不同的时机策略。4.1 支持向量机选股在运用支持向量机进行股票选择时，我们运用改算法作为选股的手段，作为机器学习的概念，从而从指标数据的输入中得到符合我们要求的股票池。我们利用数据进行模型参数的训练，最终利用相关的规则输出数据，进行模型预测，这中间多虑掉多余且无用的干扰数据，只留下必要的数据，进行数据筛选和预测，最终得到我们想要的结果，选出符合我们要求的股票池，进行后续的策略运行和实证研究。
图 4-2 最优模型的准确率曲线4.1.3 选股结果在运用支持向量机进行选股时，我们将处理好的数据进行训练和运行，从而选取股票池的前 20%的股票作为头寸股，该部分股票为我们需要的符合条件的股票。下表显示了某一个训练集的一部分股票，我们把输入的各个因子集合成为一个因子，也就是综合比率因子，可见最高的比率为96.31％，该股票是 002624.XSHE。表 4-5 训练集的准确度srock tradedate probability300059.XSHE 2014/3/31 0.608820965161000963.XSHE 2014/3/31 0.608590778223300124.XSHE 2014/3/31 0.607967400605002252.XSHE 2014/3/31 0.607905488041
【参考文献】：
期刊论文
[1]基于支持向量机的股票价格预测模型研究与应用[J]. 高钦姣,张胜刚,贾晓薇. 课程教育研究. 2016(28)
[2]基于支持向量机的股票预测[J]. 刘廷. 信息通信. 2015(08)
[3]使用随机森林算法实现优质股票的选择[J]. 曹正凤,纪宏,谢邦昌. 首都经济贸易大学学报. 2014(02)
[4]基于启发式算法的支持向量机选股模型[J]. 陈荣达,虞欢欢. 系统工程. 2014(02)
[5]PCA-GA-SVM模型的构建及应用研究——沪深300指数预测精度实证分析[J]. 徐国祥,杨振建. 数量经济技术经济研究. 2011(02)
[6]基于支持向量机的股市风格轮换策略研究[J]. 郭文伟. 管理科学. 2009(06)
[7]支持向量机在股票分析中的应用[J]. 杨明海. 中国科技信息. 2009(20)
[8]基于SVM分类算法的选股研究[J]. 全林,姜秀珍,赵俊和,汪东. 上海交通大学学报. 2009(09)
[9]聚类分析和支持向量机在股票研究中的应用[J]. 狄明明,孙德山. 计算机技术与发展. 2009(06)
[10]支持向量机在选择优质股票中的应用[J]. 张玉川,张作泉,黄珍. 统计与决策. 2008(04)
硕士论文
[1]基于人工智能算法的股票价格波动规律预测方法研究[D]. 王莉.吉林大学 2016
[2]支持向量分类机（SVC）在量化选股中的应用[D]. 张伟.山东大学 2014
[3]基于支持向量机的对优质股票选取的研究[D]. 许芳.重庆交通大学 2013
[4]基于文本挖掘的量化投资系统[D]. 邹振华.华南理工大学 2013
[5]基于遗传算法的风格选股模型研究[D]. 邹运.东北财经大学 2012
[6]基于支持向量机的中国证券市场长期投资分析[D]. 赵欣.北京交通大学 2011
[7]基于多分类支持向量机的选股模型研究[D]. 陈军华.华中科技大学 2010
[8]基于支持向量机的证券投资决策研究[D]. 蒋汉桥.武汉大学 2005
本文编号：3209675
【文章来源】：上海师范大学上海市
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
技术路线
依据获前得 20％的股票。在运行股票的择时策略时，选取的指标是股票市场的波动率，对波动率进行处理，得到单向的波动率，从而可以判断市场的三种趋势，分别是：“反转”，“趋势”和“震荡”，对应分别采用不同的时机策略。4.1 支持向量机选股在运用支持向量机进行股票选择时，我们运用改算法作为选股的手段，作为机器学习的概念，从而从指标数据的输入中得到符合我们要求的股票池。我们利用数据进行模型参数的训练，最终利用相关的规则输出数据，进行模型预测，这中间多虑掉多余且无用的干扰数据，只留下必要的数据，进行数据筛选和预测，最终得到我们想要的结果，选出符合我们要求的股票池，进行后续的策略运行和实证研究。
图 4-2 最优模型的准确率曲线4.1.3 选股结果在运用支持向量机进行选股时，我们将处理好的数据进行训练和运行，从而选取股票池的前 20%的股票作为头寸股，该部分股票为我们需要的符合条件的股票。下表显示了某一个训练集的一部分股票，我们把输入的各个因子集合成为一个因子，也就是综合比率因子，可见最高的比率为96.31％，该股票是 002624.XSHE。表 4-5 训练集的准确度srock tradedate probability300059.XSHE 2014/3/31 0.608820965161000963.XSHE 2014/3/31 0.608590778223300124.XSHE 2014/3/31 0.607967400605002252.XSHE 2014/3/31 0.607905488041
【参考文献】：
期刊论文
[1]基于支持向量机的股票价格预测模型研究与应用[J]. 高钦姣,张胜刚,贾晓薇. 课程教育研究. 2016(28)
[2]基于支持向量机的股票预测[J]. 刘廷. 信息通信. 2015(08)
[3]使用随机森林算法实现优质股票的选择[J]. 曹正凤,纪宏,谢邦昌. 首都经济贸易大学学报. 2014(02)
[4]基于启发式算法的支持向量机选股模型[J]. 陈荣达,虞欢欢. 系统工程. 2014(02)
[5]PCA-GA-SVM模型的构建及应用研究——沪深300指数预测精度实证分析[J]. 徐国祥,杨振建. 数量经济技术经济研究. 2011(02)
[6]基于支持向量机的股市风格轮换策略研究[J]. 郭文伟. 管理科学. 2009(06)
[7]支持向量机在股票分析中的应用[J]. 杨明海. 中国科技信息. 2009(20)
[8]基于SVM分类算法的选股研究[J]. 全林,姜秀珍,赵俊和,汪东. 上海交通大学学报. 2009(09)
[9]聚类分析和支持向量机在股票研究中的应用[J]. 狄明明,孙德山. 计算机技术与发展. 2009(06)
[10]支持向量机在选择优质股票中的应用[J]. 张玉川,张作泉,黄珍. 统计与决策. 2008(04)
硕士论文
[1]基于人工智能算法的股票价格波动规律预测方法研究[D]. 王莉.吉林大学 2016
[2]支持向量分类机（SVC）在量化选股中的应用[D]. 张伟.山东大学 2014
[3]基于支持向量机的对优质股票选取的研究[D]. 许芳.重庆交通大学 2013
[4]基于文本挖掘的量化投资系统[D]. 邹振华.华南理工大学 2013
[5]基于遗传算法的风格选股模型研究[D]. 邹运.东北财经大学 2012
[6]基于支持向量机的中国证券市场长期投资分析[D]. 赵欣.北京交通大学 2011
[7]基于多分类支持向量机的选股模型研究[D]. 陈军华.华中科技大学 2010
[8]基于支持向量机的证券投资决策研究[D]. 蒋汉桥.武汉大学 2005
本文编号：3209675
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3209675.html
