基于Copula函數(shù)的技術指標相關性研究
發(fā)布時間:2020-09-12 08:10
量化投資就是在進行投資決策時,采用數(shù)理或者量化的方法。量化投資在國外市場經過30多年的發(fā)展,已經得到了許多投資者的認可和青睞。技術指標作為一種股票投資工具已經有數(shù)十年的發(fā)展,并且也一直深受一部分投資者的喜愛。隨著有效市場理論的提出,關于技術分析能否戰(zhàn)勝市場也一直爭論不休。 本文采用2007年1月1日至2010年12月31日中國上證綜指的日交易數(shù)據(jù),通過描述性統(tǒng)計的方法,找出單個技術指標真買點、真賣點出現(xiàn)規(guī)律以及時間窗口變化對真買、賣點的影響,總結出可以通過參數(shù)優(yōu)化的方法提高真買賣信號出現(xiàn)概率,并進而提高單個指標的投資收益水平,并提出時間窗口優(yōu)化對于技術指標的重要性。然后研究不同指標兩兩組合真買點、真賣點出現(xiàn)的時間間隔,發(fā)現(xiàn)指標間真信號出現(xiàn)次數(shù)越多的指標組合。Sklar(1959)提出可以將一個聯(lián)合分布分解為k個邊緣分布和一個Copula函數(shù),這個Copula函數(shù)就描述了變量間的相關性。文中認為通過Copula函數(shù)計算的指標間歷史序列非線性相關性越高,買賣真信號的識別概率越大;谶@種想法,構建以Copula函數(shù)為基礎的投資策略,利用A股市場所有股票的日交易數(shù)據(jù)進行統(tǒng)計檢驗。文章最后通過前文提出的投資策略,分析了中國A股市場的行業(yè)輪動現(xiàn)象。 本文的主要工作:通過對技術指標買、賣點的統(tǒng)計研究,發(fā)現(xiàn)了指標真買點、真賣點與歷史收益序列的相關性存在正相關;通過統(tǒng)計不同參數(shù)設置下指標真假信號,提出指標參數(shù)優(yōu)化的必要性與具體方法,并且對于該方法進行了檢驗;將Copula函數(shù)運用于描述指標序列的相關性分析,并且將其運用到選股策略中,拓寬了Copula技術的運用范圍;將投資策略運用于行業(yè)配置的研究中,對于中國的行業(yè)輪動現(xiàn)象進行了初步的分析。
【學位單位】:華中科技大學
【學位級別】:碩士
【學位年份】:2011
【中圖分類】:F275;F832.51;F224;F832.48
【部分圖文】:
圖 3-1 時滯為 0 日和 1 日時真買點、真賣點占比情況圖 3-2 時滯為 2 日和 3 日時真買點、真賣點占比情況.2 技術指標間真信號時間間隔的描述性統(tǒng)計
圖3-2時滯為2日和3日時真買點、真賣點占比情況
構成圖 3-1 和圖 3-2。表 3-13 DMI 與其他各指標真信號的非線性相關性ARBR CR PSY MACD TRIX WR KDJ 相關性 -0.1272 0.1593 0.4474 0.0586 0.2869 0.4814 0.5347 相關性 0.5715 0.6565 0.6481 0.5828 0.7013 0.5746 0.6335
本文編號:2817393
【學位單位】:華中科技大學
【學位級別】:碩士
【學位年份】:2011
【中圖分類】:F275;F832.51;F224;F832.48
【部分圖文】:
圖 3-1 時滯為 0 日和 1 日時真買點、真賣點占比情況圖 3-2 時滯為 2 日和 3 日時真買點、真賣點占比情況.2 技術指標間真信號時間間隔的描述性統(tǒng)計
圖3-2時滯為2日和3日時真買點、真賣點占比情況
構成圖 3-1 和圖 3-2。表 3-13 DMI 與其他各指標真信號的非線性相關性ARBR CR PSY MACD TRIX WR KDJ 相關性 -0.1272 0.1593 0.4474 0.0586 0.2869 0.4814 0.5347 相關性 0.5715 0.6565 0.6481 0.5828 0.7013 0.5746 0.6335
【參考文獻】
相關期刊論文 前10條
1 何芳,陳收;基于擴展Kalman濾波的神經網絡學習算法在股票預測中的應用[J];系統(tǒng)工程;2003年06期
2 吳世農,吳超鵬;我國股票市場“價格慣性策略”和“盈余慣性策略”的實證研究[J];經濟科學;2003年04期
3 劉金全;崔暢;;中國滬深股市收益率和波動性的實證分析[J];經濟學(季刊);2002年03期
4 吳世農;我國證券市場效率的分析[J];經濟研究;1996年04期
5 王永宏,趙學軍;中國股市“慣性策略”和“反轉策略”的實證分析[J];經濟研究;2001年06期
6 陳守東;胡錚洋;孔繁利;;Copula函數(shù)度量風險價值的Monte Carlo模擬[J];吉林大學社會科學學報;2006年02期
7 張健,陳勇,夏罡,何永保;人工神經網絡之股票預測[J];計算機工程;1997年02期
8 周廣旭;一種新的時間序列分析算法及其在股票預測中的應用[J];計算機應用;2005年09期
9 林春燕;朱東華;;基于Elman神經網絡的股票價格預測研究[J];計算機應用;2006年02期
10 周琳杰;中國股票市場動量策略贏利性研究[J];世界經濟;2002年08期
本文編號:2817393
本文鏈接:http://www.wukwdryxk.cn/jingjilunwen/jinrongzhengquanlunwen/2817393.html
教材專著