配對(duì)交易是一種非常受歡迎的交易策略,它是通過利用市場(chǎng)的低效率來獲得利潤(rùn)。配對(duì)交易的思想非常簡(jiǎn)單,首先找到兩只價(jià)格走勢(shì)相似的股票,當(dāng)這兩只股票的價(jià)格差超過某一特定的閾值時(shí),就對(duì)這兩只股票分別建立多空頭寸,直到這兩只股票的價(jià)格差回復(fù)到正常水平時(shí),再對(duì)兩只股票進(jìn)行反向平倉。神經(jīng)網(wǎng)絡(luò)以其獨(dú)特的非線性自適應(yīng)處理能力在預(yù)測(cè)中顯示出巨大的優(yōu)越性。一般情況下,金融時(shí)間序列預(yù)測(cè)需要根據(jù)歷史數(shù)據(jù)和時(shí)間序列之間的依賴關(guān)系來完成,而傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)無法做到這一點(diǎn)。使用以前的事件來推斷后面的事件通常是用遞歸神經(jīng)網(wǎng)絡(luò)（RNN）來完成。又由于傳統(tǒng)的RNN神經(jīng)網(wǎng)絡(luò)存在梯度消失等問題,因此,提出了一種特殊的RNN神經(jīng)網(wǎng)絡(luò)模型,即長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型（LSTM）。本文還使用了布谷鳥搜索算法（CS）來優(yōu)化LSTM神經(jīng)網(wǎng)絡(luò)模型,也就是說,將時(shí)間序列輸入到LSTM神經(jīng)網(wǎng)絡(luò)中,尋找基于布谷鳥搜索算法的LSTM神經(jīng)網(wǎng)絡(luò)的最優(yōu)超參數(shù)。本文以滬深300成分股作為配對(duì)交易策略的研究對(duì)象,首先基于相關(guān)性分析劃分了相關(guān)系數(shù)區(qū)間,再在不同的區(qū)間中分別選擇協(xié)整關(guān)系較好的配對(duì)股票,采用了LSTM神經(jīng)網(wǎng)絡(luò)模型對(duì)配對(duì)股票的價(jià)差序列進(jìn)行預(yù)測(cè),其中,使用... 

【文章來源】：上海師范大學(xué)上海市

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

一個(gè)LSTM單元（4）反向傳播神經(jīng)網(wǎng)絡(luò)（BP）

第1章導(dǎo)論上海師范大學(xué)碩士學(xué)位論文8（3）可用的宿主鳥巢的數(shù)量是固定的，并且每一個(gè)宿主鳥發(fā)現(xiàn)布谷鳥的卵的可能性的概率在0到1之間，接著宿主鳥就會(huì)將布谷鳥的卵丟出鳥巢或者放棄現(xiàn)有的鳥巢，重新建一個(gè)新巢。在這三個(gè)規(guī)則的基礎(chǔ)上，布谷鳥尋找鳥巢的路徑和位置的更新公式是：)()()1(iLXXtitni.,,2,1（1-12）其中，)(tiX是第i個(gè)鳥巢在第t代時(shí)所對(duì)應(yīng)的位置，是點(diǎn)對(duì)點(diǎn)的乘積，是步長(zhǎng)控制量，L是滿足萊維分布的萊維行走路徑。萊維飛行的隨機(jī)行走路徑是隨機(jī)產(chǎn)生的，所以能夠有效地避免陷入局部最優(yōu)。1.2.3技術(shù)路線本文的技術(shù)路線圖如下圖所示：圖1-2技術(shù)路線圖

第4章股票配對(duì)交易實(shí)證研究上海師范大學(xué)碩士學(xué)位論文26首先，計(jì)算兩只股票的相關(guān)系數(shù)，分別檢驗(yàn)這兩只股票的平穩(wěn)性，在兩只股票滿足了同階單整的條件下，對(duì)這兩只股票進(jìn)行最小二乘回歸，對(duì)回歸得到的殘差序列進(jìn)行ADF單位根檢驗(yàn)，得到對(duì)應(yīng)的檢驗(yàn)概率值，該概率值越小，也就說明了兩只股票之間的協(xié)整關(guān)系越強(qiáng)。以這兩個(gè)區(qū)間中協(xié)整關(guān)系最強(qiáng)的配對(duì)股票為例，觀察這兩對(duì)配對(duì)股票的收盤價(jià)走勢(shì)圖。也就是陽光城(000671.XSHE)和廣發(fā)證券(000776.XSHE)這一配對(duì)股票，以及TCL集團(tuán)(000100.XSHE)和寶鋼股份(600019.XSHG)這一配對(duì)股票。下面兩張圖分別是這兩對(duì)配對(duì)股票的收盤價(jià)走勢(shì)圖，可以看到，它們的走勢(shì)都非常的相似。圖4-1陽光城和廣發(fā)證券的收盤價(jià)的走勢(shì)圖圖4-2TCL集團(tuán)和寶鋼股份的收盤價(jià)的走勢(shì)圖以這兩對(duì)配對(duì)股票為例，對(duì)它們分別進(jìn)行平穩(wěn)性檢驗(yàn)，檢驗(yàn)結(jié)果如下所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于價(jià)差預(yù)測(cè)的商品期貨跨期套利研究[J]. 周亮.  金融理論與實(shí)踐. 2019(07)
[2]基于神經(jīng)網(wǎng)絡(luò)的股票配對(duì)交易策略研究[J]. 葉仕杜,黎中彥.  信息技術(shù)與信息化. 2019(05)
[3]基于時(shí)空優(yōu)化長(zhǎng)短期記憶網(wǎng)絡(luò)與煙花算法的AQI預(yù)測(cè)[J]. 趙儉輝,董婷,蔡波.  武漢大學(xué)學(xué)報(bào)(理學(xué)版). 2019(03)
[4]基于自適應(yīng)螢火蟲算法的BP神經(jīng)網(wǎng)絡(luò)股價(jià)預(yù)測(cè)[J]. 劉園園,賀興時(shí).  渭南師范學(xué)院學(xué)報(bào). 2019(02)
[5]基于混合神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)下的統(tǒng)計(jì)套利研究[J]. 鄧曉衛(wèi),章鋮斌.  統(tǒng)計(jì)與決策. 2019(01)
[6]LSTM模型在中國(guó)A股市場(chǎng)的應(yīng)用[J]. 張蜀林,趙雄飛.  全國(guó)流通經(jīng)濟(jì). 2018(35)
[7]SDAE-LSTM模型在金融時(shí)間序列預(yù)測(cè)中的應(yīng)用[J]. 黃婷婷,余磊.  計(jì)算機(jī)工程與應(yīng)用. 2019(01)
[8]基于CNN-LSTM網(wǎng)絡(luò)分析金融二級(jí)市場(chǎng)數(shù)據(jù)[J]. 文宇.  電子設(shè)計(jì)工程. 2018(17)
[9]LSTM神經(jīng)網(wǎng)絡(luò)在股票價(jià)格趨勢(shì)預(yù)測(cè)中的應(yīng)用——基于美港股票市場(chǎng)個(gè)股數(shù)據(jù)的研究[J]. 鄧?guó)P欣,王洪良.  金融經(jīng)濟(jì). 2018(14)
[10]基于特征選取與LSTM模型的股指預(yù)測(cè)方法研究[J]. 陳佳,劉冬雪,武大碩.  計(jì)算機(jī)工程與應(yīng)用. 2019(06)



本文編號(hào)：3289139