發(fā)布時間：2020-11-20 19:08

　　 如何對金融市場建模并取得超額收益一直都是金融學研究的熱點話題。隨著近十幾年計算機性能的提高,越來越多的研究者嘗試使用人工智能技術(shù)對金融市場進行建模預(yù)測及交易,但現(xiàn)階段大多數(shù)研究僅根據(jù)預(yù)測結(jié)果進行交易,極少有研究提出一套從預(yù)測到風險管理的完整量化交易系統(tǒng)。為此,本文嘗試提出一種包含預(yù)測、資金分配和風險管理的新穎量化交易系統(tǒng)。該系統(tǒng)使用AdaBoost算法對金融市場進行建模,并根據(jù)模型預(yù)測結(jié)果產(chǎn)生交易決策,然后使用一種新穎的在線學習算法對交易決策進行加權(quán)處理得到任意資產(chǎn)任意時刻的資金分配,最后根據(jù)單個資產(chǎn)的最大回撤對資金分配進行進一步的處理以及判斷最終是否進行交易。產(chǎn)生交易決策的決策層、得到資金分配的資金分配層和根據(jù)最大回撤控制風險的風險管理層三部分構(gòu)成本文的量化交易系統(tǒng)。在港股市場上抽取2010年4月15日至2014年8月3日共1062個交易日的恒生指數(shù)成份股日交易數(shù)據(jù)組成樣本集,進行訓練并優(yōu)化量化交易系統(tǒng)相關(guān)參數(shù),然后從恒生指數(shù)成份股中抽取中電控股、恒安國際、領(lǐng)展房產(chǎn)基金、中國人壽、中銀香港5只股票2014年8月4日至2017年10月31日的日交易數(shù)據(jù),驗證量化交易系統(tǒng)的有效性。經(jīng)過以上實驗,并與作為基準的買入并持有對比,發(fā)現(xiàn)以下幾點結(jié)論:(1)本文構(gòu)建量化交易系統(tǒng)運行良好;(2)在交易費用小于0.5%時,相比買入持有策略,收益率有大幅度提升。累積收益、夏普比率和斯特林比率均在長時間內(nèi)大幅度高于基準,表明了該策略在港股市場上的有效性;(3)資金分配層所使用的算法能夠提升整體投資效果。在實證中對比了不存在資金分配層的量化交易系統(tǒng),發(fā)現(xiàn)在所有情況下資金分配層的存在都能提升一定的累積收益、夏普比率和斯特林比率。(4)以上發(fā)現(xiàn)表明,本文的決策層、資金分配層和風險管理層的構(gòu)建思路以及所提出的量化交易系統(tǒng)整體框架是可行有效的,能夠?qū)σ院蟮耐顿Y實務(wù)或?qū)W術(shù)研究提供新的思路參考。
【學位單位】：華中科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：F832.51
【部分圖文】：

圖 2-2 決策樹示例圖該節(jié)點沒有子節(jié)點，故被稱為葉節(jié)點，因為經(jīng)過一次判斷之后才達到該點深度為 1；若新的樣本花瓣長度為 3cm，花瓣寬度為 1cm，該樣本將瓣長度是否小于 2.45cm，然后判斷花瓣寬度是否小于 1.5cm，最后判斷 C。決策樹算法的決策生成過程樣本集中生成整個決策樹的過程中，需要人為確定的超參數(shù)有以下兩點到劃分點的成本函數(shù)形式；（2）整個決策樹的最大深度；始訓練時，首先要確定節(jié)點的劃分點。在本研究中使用 CART 成本函數(shù)節(jié)點所要劃分的特征以及劃分特征的閾值。以得到圖 2-2 中根節(jié)點為本函數(shù)如下：. cm, )km m t G Gm m 花瓣長度<2 45 花瓣長度>2.45cm花瓣長度<2.45cm 花瓣長度>2.45cm(2-1)

華 中 科 技 大 學 碩 士 論 文只股票上進行實驗。本文從 50 只恒生指數(shù)成份股中選取 5 只作為交易對象，主要基于三點：（1）于計算機性能的限制。（2）所選的 5 只股票在行業(yè)上代表性較強，中電控股代表事業(yè)類，恒安國際代表工商類同時代表恒生指數(shù)成份股中較小市值股票，領(lǐng)展房金代表地產(chǎn)板塊的同時代表恒生指數(shù)成份股中的基金，中國人壽代表國內(nèi)在港股股票也代表金融類，中銀香港代表香港本地金融類。5 只股票基本已經(jīng)涵蓋恒生所包含公共事業(yè)、金融、地產(chǎn)和工商 4 類板塊。（3）所選取的 5 只股票在整個實期上表現(xiàn)各不相同，能夠驗證本文的量化交易系統(tǒng)能夠應(yīng)對于不同形態(tài)的股票。

華 中 科 技 大 學 碩 士 論 文用包括券商傭金（傳統(tǒng)券商 0.2%左右，互聯(lián)網(wǎng)券商 0.03%左右）、印花稅（0.1%）易征費（0.0027%）、交易費（0.005%）、交收費（0.002%）和交易平臺使用費（每0.5 港幣）。為盡可能貼近實務(wù)環(huán)境，本文假設(shè)交易費用最低為 0.3%�？紤]到實務(wù)中可能存在的滑點問題，本文假設(shè)交易費用分別為 0.3%、0.5%、1%、1.25%和 1.5%為證明本文所提出的資金分配策略能夠提業(yè)績，在這一部分中加入了不存在資金分層的結(jié)果。在 2014 年 8 月 4 日至 2017 年 10 月 31 日的 5 只股票上測試不同交易費用，以買入并持有策略的累積收益曲線，如下圖所示：
【參考文獻】

相關(guān)期刊論文 前7條

1 陳艷;王宣承;;基于變量選擇和遺傳網(wǎng)絡(luò)規(guī)劃的期貨高頻交易策略研究[J];中國管理科學;2015年10期

2 馬超;梁循;;基于支持向量機的上市公司午間公告新聞自動閱讀與決策支持系統(tǒng)[J];中國管理科學;2014年S1期

3 王文波;費浦生;羿旭明;;基于EMD與神經(jīng)網(wǎng)絡(luò)的中國股票市場預(yù)測[J];系統(tǒng)工程理論與實踐;2010年06期

4 沈可挺;劉煜輝;;中國股市中慣性與反向投資策略的獲利模式[J];管理科學學報;2006年06期

5 禹建麗,孫增圻,Valeri.Kroumov,成久洋之,劉治軍;基于BP神經(jīng)網(wǎng)絡(luò)的股市建模與決策[J];系統(tǒng)工程理論與實踐;2003年05期

6 范龍振,王海濤;上海股票市場股票收益率因素研究[J];管理科學學報;2003年01期

7 韓楊;對技術(shù)分析在中國股市的有效性研究[J];經(jīng)濟科學;2001年03期

本文編號：2891858