本文關(guān)鍵詞：高頻交易策略投資組合模型及其應(yīng)用研究

  更多相關(guān)文章： 高頻交易 策略投資組合 多因子模型 風(fēng)險(xiǎn)厭惡 Hayashi-Yoshida估計(jì)

【摘要】：國(guó)外高頻交易的高速發(fā)展與國(guó)內(nèi)金融市場(chǎng)的深化改革給我國(guó)高頻交易的蓬勃發(fā)展帶來了新的機(jī)遇,這對(duì)深入研究高頻交易策略投資組合管理問題提出了客觀要求。Markowitz提出的均值-方差模型形成了現(xiàn)代投資組合理論的核心基礎(chǔ)。然而,在高頻環(huán)境下,傳統(tǒng)的Markowitz模型表現(xiàn)出許多不足之處,不再適用于高頻交易數(shù)據(jù)。本文在理論研究、模型設(shè)計(jì)、算法設(shè)計(jì)和實(shí)證研究方面對(duì)高頻交易策略投資組合管理展開了一系列的工作。主要如下:1.考慮到高頻環(huán)境對(duì)數(shù)據(jù)預(yù)測(cè)準(zhǔn)確性的高要求,本文在傳統(tǒng)的Markowitz模型的基礎(chǔ)上引入了“風(fēng)險(xiǎn)厭惡”指標(biāo)。在協(xié)方差估計(jì)方面,基于Hayashi-Yoshida估計(jì)思想,重新設(shè)計(jì)了協(xié)方差估計(jì)方程,作為模型的輸入?yún)?shù)。同時(shí),引入了動(dòng)態(tài)管理的思想,并應(yīng)用人工蜂群算法對(duì)改進(jìn)的模型進(jìn)行了求解,以驗(yàn)證模型的有效性。2.進(jìn)一步地,考慮從諸多高頻交易策略中挑選表現(xiàn)好的策略用以構(gòu)建高頻交易策略投資組合,并動(dòng)態(tài)調(diào)整策略池中的策略,以實(shí)現(xiàn)收益最大化。因此,深入研究了多因子模型,確定合適的高頻交易策略評(píng)估指標(biāo),將多因子模型的思想用于在策略池中挑選表現(xiàn)好的策略,進(jìn)而應(yīng)用改進(jìn)的人工蜂群算法對(duì)策略投資組合模型進(jìn)行求解。3.搭建了實(shí)證所需的量化環(huán)境——多因子模型、標(biāo)準(zhǔn)的人工蜂群算法、改進(jìn)的人工蜂群算法以及用于做實(shí)證對(duì)比的遺傳算法。4.通過實(shí)證分析說明了動(dòng)態(tài)調(diào)整資產(chǎn)權(quán)重能提高投資組合收益率以及本文所構(gòu)建模型的準(zhǔn)確性與實(shí)用性;進(jìn)一步地,動(dòng)態(tài)地從策略池中挑選策略并動(dòng)態(tài)地分配資產(chǎn)權(quán)重以提高組合收益,結(jié)果表明動(dòng)態(tài)挑選策略的重要性。綜上,本文將理論知識(shí)應(yīng)用到實(shí)踐中,實(shí)現(xiàn)了理論與實(shí)踐相結(jié)合,具有重要的理論意義和應(yīng)用前景。
【關(guān)鍵詞】：高頻交易 策略投資組合 多因子模型 風(fēng)險(xiǎn)厭惡 Hayashi-Yoshida估計(jì)
【學(xué)位授予單位】：首都經(jīng)濟(jì)貿(mào)易大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F832.48
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 引言8-16
• 1.1 研究背景及研究意義8-10
• 1.2 理論研究綜述10-15
• 1.2.1 投資組合的相關(guān)理論基礎(chǔ)10-12
• 1.2.2 高頻環(huán)境下的策略投資組合相關(guān)理論基礎(chǔ)12-13
• 1.2.3 智能優(yōu)化算法在投資組合中的應(yīng)用13-15
• 1.3 主要研究?jī)?nèi)容與框架15-16
• 1.4 主要?jiǎng)?chuàng)新點(diǎn)16
• 2 理論基礎(chǔ)16-25
• 2.1 投資組合相關(guān)理論模型16-20
• 2.1.1 投資組合優(yōu)化的核心框架17-19
• 2.1.2 投資組合優(yōu)化中的估計(jì)誤差19
• 2.1.3 高頻環(huán)境下的協(xié)方差估計(jì)19-20
• 2.2 高頻交易策略表現(xiàn)評(píng)估20-22
• 2.3 多因子模型22-25
• 3 基于Hayashi-Yoshida估計(jì)的策略投資組合模型25-34
• 3.1 模型假設(shè)25
• 3.2 基本模型25-27
• 3.3 標(biāo)準(zhǔn)的人工蜂群算法27-29
• 3.4 實(shí)證分析29-34
• 4 基于多因子模型的策略投資組合模型34-43
• 4.1 高頻交易策略評(píng)估指標(biāo)的確定34-35
• 4.2 模型構(gòu)建方案35-36
• 4.2.1 構(gòu)建高頻交易策略池35-36
• 4.2.2 量化環(huán)境的搭建36
• 4.3 改進(jìn)的人工蜂群算法及其有效性檢驗(yàn)36-39
• 4.3.1 改進(jìn)的人工蜂群算法36-37
• 4.3.2 對(duì)改進(jìn)的人工蜂群算法有效性的檢驗(yàn)37-39
• 4.4 實(shí)證分析39-43
• 5 結(jié)論與展望43-44
• 5.1 結(jié)論43-44
• 5.2 后續(xù)的拓展研究44
• 參考文獻(xiàn)44-48
• 致謝48-49
• 附錄 攻讀碩士學(xué)位期間的研究成果49-50

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前1條

1 韓其恒,唐萬生,李光泉;機(jī)會(huì)約束下的投資組合問題[J];系統(tǒng)工程學(xué)報(bào);2002年01期

，

本文編號(hào)：992566