版權(quán)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(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、量化投資是一種的更理想的投資方式,它以數(shù)據(jù)為基礎(chǔ)、以模型為核心、以程序化交易為手段,且具有總體收益穩(wěn)定、持倉時(shí)間較短、交易標(biāo)的較多等特點(diǎn)。同一般的傳統(tǒng)投資方法相比較,量化投資具有如下的優(yōu)點(diǎn)。首先,量化投資依賴于更加客觀的投資邏輯。量化投資從決策產(chǎn)生及策略執(zhí)行都是通過計(jì)算機(jī)程序來實(shí)現(xiàn),這樣可以消除人為情緒所造成的不良后果。另外,量化投資的指令更加精確、交易更加快速。量化投資在利用計(jì)算機(jī)收集、處理歷史數(shù)據(jù)的特性下,能夠更加高效、更加全面地分
2、析數(shù)據(jù),不錯(cuò)過每一個(gè)可能盈利的機(jī)會(huì)。在中國,量化投資還處于發(fā)展起步階段,整個(gè)金融投資領(lǐng)域,量化投資所占的比重甚至不到十分之一,說明量化投資在國內(nèi)的股票市場仍有非常廣闊的發(fā)展前景。隨著中國金融市場的不斷完善和發(fā)展,不斷地推進(jìn)金融改革和金融創(chuàng)新,量化投資在中國金融市場這片樂土上必將茁壯成長。
本研究針對股票收益率和波動(dòng)的預(yù)測建立量化選股策略。首先基于兩個(gè)隨機(jī)擾動(dòng)都服從尖峰厚尾的T分布的SV模型的基礎(chǔ)上,構(gòu)建了雙T-SV模型。基于傳
3、統(tǒng)的先驗(yàn)分布假設(shè),推導(dǎo)了雙T-SV模型的MCMC估計(jì)過程,并將其用于HS300指數(shù)的實(shí)證分析。通過與傳統(tǒng)的SV模型簇的DIC準(zhǔn)則對比,證實(shí)了雙T-SV模型能夠更加準(zhǔn)確刻畫我國金融收益率波動(dòng)時(shí)變性、聚集性。針對股票的收益率,通過對六大類因子的選取,主成分分析預(yù)處理,利用前6個(gè)主成分來作為輸入,以每只股票的后五個(gè)交易日的累積收益作為輸出,建立支持向量機(jī)回歸模型,基于技術(shù)面、成長面等因子的支持向量機(jī)回歸模型成功預(yù)測股票的五日的累積收益率。結(jié)合
4、支持向量機(jī)預(yù)測與雙T-SV模型,構(gòu)建了量化投資策略。該投資策略以雙T-SV模型預(yù)測的收益率波動(dòng)σ與支持向量機(jī)的預(yù)測收益率r相結(jié)合來進(jìn)行選股,在HS300股票市場中選出r-λ*σ>0(其中λ為風(fēng)險(xiǎn)厭惡因子,0≤λ≤1)的股票加入備選股池,并且在備選股池中選出r-λ*σ值最大的50只股票加入買入集,每五日調(diào)倉。根據(jù)量化策略在HS300股票市場上進(jìn)行回測的結(jié)果,其年化收益率可超過33%,累計(jì)收益達(dá)到117.8%,并且夏普比率達(dá)到0.83。在裸
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(quán)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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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
- 基于支持向量機(jī)回歸的非線性模型辨識研究.pdf
- 基于支持向量回歸機(jī)模型的股市預(yù)測研究.pdf
- 基于支持向量機(jī)的量化擇時(shí)策略及實(shí)證研究.pdf
- 基于噪聲模型的支持向量回歸機(jī)的分析.pdf
- 基于支持向量機(jī)的高頻量化投資研究.pdf
- 基于支持向量回歸模型的圖像分類研究.pdf
- 基于支持向量回歸機(jī)的股價(jià)預(yù)測研究.pdf
- 基于支持向量回歸機(jī)的匯率預(yù)測.pdf
- 基于支持向量回歸機(jī)的圖像水印研究.pdf
- 基于支持向量機(jī)的中國股指期貨回歸預(yù)測研究.pdf
- 基于支持向量回歸機(jī)的燃料電池研究.pdf
- 基于支持向量回歸機(jī)的盲均衡算法研究.pdf
- 基于雙支持向量回歸機(jī)的OFDM系統(tǒng)子載波盲均衡算法研究.pdf
- 支持向量機(jī)回歸與控制的研究.pdf
- 基于模糊支持向量回歸機(jī)的WSN鏈路質(zhì)量預(yù)測模型.pdf
- 基于支持向量回歸模型的序列采樣方法研究.pdf
- 基于改進(jìn)支持向量回歸機(jī)的股價(jià)預(yù)測研究.pdf
- 基于回歸型支持向量機(jī)的數(shù)據(jù)建模方法研究.pdf
- 基于支持向量機(jī)回歸的網(wǎng)絡(luò)流量預(yù)測.pdf
- 基于支持向量機(jī)的金融時(shí)間序列回歸分析.pdf
評論
0/150
提交評論