

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、最近十幾年來,量化投資在海外發(fā)達資本市場上已經(jīng)成為了一種主流的投資方式。隨著國內(nèi)資本市場復雜度的日益提升,傳統(tǒng)的以主觀判斷為主的投資方式正面臨更大的挑戰(zhàn),量化投資以其特有的優(yōu)勢也開始受到國內(nèi)越來越多投資者和學者的關注。本文基于這樣的背景,以目前國內(nèi)A股市場為研究對象,嘗試構(gòu)建一項量化選股策略。
本文第一章介紹了研究背景,闡述了有關量化選股的國內(nèi)外研究現(xiàn)狀,確定了研究目的并提出了研究思路。由于本文構(gòu)建的選股策略并沒有建立在已有的
2、選股方法上,而是首次將SOM聚類方法應用到選股研究中。因此本文第二章較為具體地介紹了SOM神經(jīng)網(wǎng)絡的模型和算法,給出了兩組人工數(shù)據(jù)的SOM聚類實例,并且引出了基于SOM算法的軌跡聚類思想,本文構(gòu)建的選股策略正是借鑒這一思想方法實現(xiàn)對股票的分類的。
本文的主要研究工作分為兩個階段:聚類選股策略的構(gòu)建階段和策略的模擬交易測試階段。本文第三章首先詳細闡明了聚類選股策略的基本思想,接著給出了該策略的完整構(gòu)建過程。第四章首先構(gòu)建了聚類選
3、股策略的模擬交易算法,并對這一算法進行了解釋說明,接著對選股策略進行模擬交易測試。在測試實驗中,本文共選取了6個不同的測試期:15/06/10-15/07/22,14/01/03-15/08/10,14/01/03-15/01/05,13/01/04-14/01/10,11/12/30-13/01/04和11/01/04-12/01/04。首先對15/06/10-15/07/22測試期進行了單次交易測試以展示具體的交易過程信息。接著對各
4、測試期均進行了100次交易測試以考察策略的選股效果。第四章最后匯總了上述6個測試期的100測試結(jié)果,結(jié)果表明,測試期為15/06/10-15/07/22,14/01/03-15/08/10和13/01/04-14/01/10的測試勝率顯著高于50%,分別達到了72%,75%和91%,而測試期為11/12/30-13/01/04,14/01/03-15/01/05和11/01/04-12/01/04的勝率分別只有46%,27%和26%。盡
5、管在某些指數(shù)表現(xiàn)不佳的測試期(15/06/10-15/07/22和13/01/04-14/01/10),策略表現(xiàn)出了一定的優(yōu)勢,但在指數(shù)表現(xiàn)明顯差的測試期(11/01/04-12/01/04),策略選股的表現(xiàn)也十分不理想??傇u而言,本文構(gòu)建的選股策略還未能取得穩(wěn)定的較好表現(xiàn),不過構(gòu)建該策略的思想方法對股票投資具有一定的借鑒意義,值得投資者做更加深入精細的研究。
最后一章對本文所做的研究工作做了總結(jié),并指出了許多后續(xù)值得研究的問
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SOM和PSO的聚類算法研究.pdf
- 基于SOM算法的中文文本聚類.pdf
- 基于路網(wǎng)感知的時空軌跡聚類算法研究.pdf
- 基于SOM的文本聚類模型研究.pdf
- 基于SOM基因聚類的基因數(shù)據(jù)組織樣本聚類.pdf
- 改進SOM算法在文本聚類中的應用.pdf
- 基于SOM的兩階段中文文本聚類算法的研究.pdf
- 基于SOM和K-means聚類算法的RFM模型分析.pdf
- 軌跡聚類與基于高斯過程回歸模型的軌跡識別算法研究.pdf
- 移動對象軌跡聚類算法研究.pdf
- 基于聚類和SOM的復雜網(wǎng)絡中社團挖掘算法的研究.pdf
- 基于SOM的可視化聚類研究.pdf
- 基于密度聚類的用戶軌跡預測算法研究.pdf
- 基于SVM的選股算法研究.pdf
- 基于C-OPTICS算法的船舶軌跡聚類與應用.pdf
- 8131.基于som神經(jīng)網(wǎng)絡算法的地圖建筑物聚類
- 基于仿射變換的船舶軌跡譜聚類算法研究.pdf
- 基于Alpha策略的A股投資組合選股研究.pdf
- SOM算法的改進及其在中文文本聚類的應用.pdf
- 基于多因子選股模型的A股投資策略.pdf
評論
0/150
提交評論