發(fā)布時(shí)間：2020-09-23 11:59

　　 量化交易因其具有自動(dòng)化與一致性程度高、總體收益高且較為穩(wěn)定等顯著優(yōu)點(diǎn),成為國(guó)內(nèi)外投資領(lǐng)域研究人員與交易人員共同關(guān)注的焦點(diǎn)。量化交易主要有行情預(yù)測(cè)和擇時(shí)策略兩部分組成,而行情預(yù)測(cè)是量化交易有效運(yùn)作的重要保障。行情預(yù)測(cè)按照數(shù)據(jù)和模型來(lái)劃分,可分為特征生成與預(yù)測(cè)模型構(gòu)建。現(xiàn)有相關(guān)研究工作主要側(cè)重于預(yù)測(cè)模型的構(gòu)建與改進(jìn),取得了較大進(jìn)展;但是對(duì)特征生成的關(guān)注較少,進(jìn)展有限。特征生成是預(yù)測(cè)模型構(gòu)建的基礎(chǔ)與前提,其性能的高低直接影響著預(yù)測(cè)模型的有效性。針對(duì)這種情況,本文聚焦于特征生成方法方面的研究,具體內(nèi)容是特征生成中輸入信息設(shè)計(jì)和特征提取方法的研究,并構(gòu)建LSTM預(yù)測(cè)模型進(jìn)行驗(yàn)證。輸入信息的有效性直接影響著生成特征的性能高低。現(xiàn)有研究工作主要使用證券走勢(shì)K線中的高、開(kāi)、低、收四價(jià)及成交量作為輸入數(shù)據(jù)。此外,部分研究工作在上述基變量的基礎(chǔ)上引入了更多的統(tǒng)計(jì)信息,取得了較多成果。然而這些研究工作不但在信息選取方面缺乏有效依據(jù),而且選取信息的有效性也有待進(jìn)一步提升。本文通過(guò)理論分析和實(shí)驗(yàn)驗(yàn)證對(duì)輸入信息進(jìn)行設(shè)計(jì),首先分析基礎(chǔ)信息的冗余性進(jìn)行信息去冗余,其次針對(duì)信息的缺失和不足進(jìn)行信息增強(qiáng),為基礎(chǔ)數(shù)據(jù)補(bǔ)充了短期的沖量信息和方向性的趨勢(shì)信息,最后通過(guò)實(shí)驗(yàn)來(lái)驗(yàn)證特征組合的合理性。特征提取作為特征生成中的重要步驟,其優(yōu)劣在一定程度上決定特征性能的好壞。其中主成分分析、自動(dòng)編碼器應(yīng)用最為廣泛,但這些方法會(huì)丟失大量對(duì)預(yù)測(cè)有益的信息。為了提高特征性能,本文將極具發(fā)展前景的自動(dòng)編碼器作為研究重點(diǎn)。針對(duì)標(biāo)簽信息沒(méi)有得到有效利用的問(wèn)題,本文提出了借鑒范式約束和聚類思想,利用標(biāo)簽分類信息對(duì)目標(biāo)函數(shù)進(jìn)行約束。使得編碼后的特征向量不僅可以有效表達(dá)原始輸入信息,還在降低維度的同時(shí)提升了分類能力,有助于提高預(yù)測(cè)模型效果。
【學(xué)位單位】：河南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F832.51
【部分圖文】：

通常用銀行儲(chǔ)蓄或其它投資獲得的平均利率，為了方便統(tǒng)計(jì)通來(lái)替代。當(dāng) I 下降時(shí)，P 一般會(huì)上漲，反之會(huì)下降。行業(yè)和區(qū)域因素，股民對(duì)當(dāng)前行業(yè)發(fā)展的預(yù)判與該區(qū)域各行業(yè)各區(qū)該行業(yè)上市公司股票價(jià)格造成的影響。不同的行業(yè)國(guó)家政策優(yōu)惠域發(fā)展水平也有很大的差距。市場(chǎng)因素，投資者對(duì)股票未來(lái)的預(yù)判和投資心理，使其產(chǎn)生做多或發(fā)生相應(yīng)的上漲和下降。在不規(guī)范、缺乏有效監(jiān)管的股票市場(chǎng)中還存股市的行為，有些機(jī)構(gòu)或者大戶利用自己雄厚的資金來(lái)控制股票價(jià)額利益。處理對(duì)模型學(xué)習(xí)效果的影響非常大，不合理的數(shù)據(jù)和數(shù)據(jù)處理方法會(huì)導(dǎo)的數(shù)據(jù)處理流程如圖 2-1 所示。

如下五種可能：（1）新發(fā)售的股票首個(gè)交易日。（2）增發(fā)股票上市當(dāng)天交易日。（3）股票在經(jīng)歷長(zhǎng)時(shí)間停牌后，重新允許買(mǎi)賣的首個(gè)交易日。（4）股改后的股票(以 S 開(kāi)頭，但不是 ST)，重新允許買(mǎi)賣首個(gè)交易日。（5）經(jīng)過(guò)重大資產(chǎn)重組后的股票復(fù)牌當(dāng)天。.3 數(shù)據(jù)集劃分單個(gè)樣本長(zhǎng)度為 20，即有 20 天股票數(shù)據(jù)。樣本集合分成三組，訓(xùn)練集、驗(yàn)證一個(gè)時(shí)間范圍數(shù)量上按 9:1 的比例進(jìn)行劃分，分別為 74916、8324，而測(cè)試集相對(duì)于前兩部分屬于未來(lái)數(shù)據(jù)為 6680。訓(xùn)練集用來(lái)訓(xùn)練模型參數(shù)。驗(yàn)證數(shù)據(jù)集練，用來(lái)驗(yàn)證當(dāng)前模型的泛化能力，幫助保存泛化能力最好的模型。測(cè)試集進(jìn)模型對(duì)未來(lái)的預(yù)測(cè)效果，并通過(guò)與簡(jiǎn)單的交易策略結(jié)合來(lái)驗(yàn)證收益比率。

圖 3-1 RNN 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖在圖 3-1 的結(jié)構(gòu)中網(wǎng)絡(luò)節(jié)點(diǎn) A，接收到一個(gè)輸入 Xt，通過(guò)網(wǎng)絡(luò)計(jì)算會(huì)輸出一個(gè)狀 ht。循環(huán)使得信息可以被傳遞一步或多步。為了理解 RNN，通常將循環(huán)進(jìn)行展開(kāi)[38]

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇葉;;重點(diǎn)蔬菜品種行情預(yù)測(cè)[J];農(nóng)家致富;2017年04期

2 東旭;;肉牛養(yǎng)殖未來(lái)行情預(yù)測(cè)[J];農(nóng)村實(shí)用技術(shù);2007年10期

3 ;肉牛養(yǎng)殖未來(lái)行情預(yù)測(cè)[J];農(nóng)民科技培訓(xùn);2007年10期

4 ;2006年家兔市場(chǎng)行情預(yù)測(cè)[J];農(nóng)家之友;2006年02期

5 王兆廣,付東凱,周慶海;近期禽蛋價(jià)格上漲剖析及下半年行情預(yù)測(cè)[J];中國(guó)禽業(yè)導(dǎo)刊;2005年12期

6 ;2005年玉米行情預(yù)測(cè)及展望[J];農(nóng)民科技培訓(xùn);2005年03期

7 劉洪;2003年1月菜價(jià)分析及4月行情預(yù)測(cè)[J];長(zhǎng)江蔬菜;2003年04期

8 ;2003年3月菜價(jià)分析及6月行情預(yù)測(cè)[J];長(zhǎng)江蔬菜;2003年06期

9 楊蓉;2003年4月菜價(jià)分析及7月行情預(yù)測(cè)[J];長(zhǎng)江蔬菜;2003年07期

10 劉洪;福州市歷年菜價(jià)分析及10城市2003年8月行情預(yù)測(cè)[J];長(zhǎng)江蔬菜;2003年08期

相關(guān)會(huì)議論文 前3條

1 朱黎;;雪災(zāi)之后對(duì)湖北王漿市場(chǎng)行情預(yù)測(cè)[A];2008年全國(guó)蜂產(chǎn)品市場(chǎng)信息交流會(huì)暨中國(guó)（鄭州）蜂業(yè)博覽會(huì)論文集[C];2008年

2 王在榮;;結(jié)構(gòu)調(diào)整延續(xù) 商品或?qū)⑾纫趾髶P(yáng)探底回升——近期商品走勢(shì)解析及行情預(yù)測(cè)[A];2014沈鼓杯大型空分裝備技術(shù)交流會(huì)論文集[C];2014年

3 ;山東省平邑禽業(yè)協(xié)會(huì)[A];中國(guó)禽業(yè)發(fā)展大會(huì)暨中國(guó)畜牧業(yè)協(xié)會(huì)禽業(yè)分會(huì)第二屆會(huì)員代表大會(huì)論文集[C];2007年

相關(guān)重要報(bào)紙文章 前10條

1 青島西海岸城市建設(shè)工程有限公司 劉錫鵬;北方苗市行情預(yù)測(cè)分析(上)[N];中國(guó)花卉報(bào);2019年

2 青島西海岸城市建設(shè)工程有限公司 劉錫鵬;北方苗市行情預(yù)測(cè)分析(下)[N];中國(guó)花卉報(bào);2019年

3 鄭平;2016中藥材十大漲價(jià)品種[N];醫(yī)藥經(jīng)濟(jì)報(bào);2017年

4 本報(bào)記者 李文;券商下半年A股行情預(yù)測(cè)現(xiàn)分歧 存在反彈機(jī)會(huì)還是震蕩下行？[N];證券日?qǐng)?bào);2017年

5 金友;2015年行情預(yù)測(cè)[N];中國(guó)畜牧獸醫(yī)報(bào);2015年

6 羅敏輝;幾種常規(guī)淡水魚(yú)行情預(yù)測(cè)[N];中國(guó)漁業(yè)報(bào);2015年

7 李來(lái)想;華北建筑鋼材市場(chǎng)行情預(yù)測(cè)[N];物資信息報(bào);2005年

8 秀平;部分中藥材行情預(yù)測(cè)[N];中國(guó)醫(yī)藥報(bào);2009年

9 ;“新視通”為券商鎖定客戶[N];人民郵電;2001年

10 張榮勝;今年上半年小麥行情預(yù)測(cè)[N];河北科技報(bào);2007年

相關(guān)博士學(xué)位論文 前1條

1 譚華;不確定時(shí)態(tài)數(shù)據(jù)挖掘方法及其在證券行情預(yù)測(cè)中的應(yīng)用[D];湖南大學(xué);2008年

相關(guān)碩士學(xué)位論文 前3條

1 朱萌博;面向證券行情預(yù)測(cè)的特征生成方法研究[D];河南大學(xué);2018年

2 王崗;基于網(wǎng)絡(luò)信息挖掘的金融行情預(yù)測(cè)[D];南京大學(xué);2016年

3 李艦;基于社交媒體文本的股市行情預(yù)測(cè)關(guān)鍵技術(shù)研究[D];華中師范大學(xué);2017年

本文編號(hào)：2825297