本文選題：量化投資　切入點(diǎn)：機(jī)器學(xué)習(xí)　出處：《系統(tǒng)工程理論與實(shí)踐》2017年05期 　論文類型：期刊論文

【摘要】：量化投資嘗試?yán)糜?jì)算機(jī)算法來(lái)預(yù)測(cè)證券的價(jià)格和進(jìn)行證券的交易,并從中獲取超額收益,是系統(tǒng)工程在金融投資領(lǐng)域的重要應(yīng)用.本文設(shè)計(jì)了一套基于機(jī)器學(xué)習(xí)和技術(shù)指標(biāo)的量化投資算法ML-TEA(machine learning and technical analysis).該模型以技術(shù)指標(biāo)作為輸入變量,再分別通過(guò)不同的機(jī)器學(xué)習(xí)算法來(lái)預(yù)測(cè)股票數(shù)日之后的漲跌方向,并根據(jù)預(yù)測(cè)的方向來(lái)構(gòu)建投資組合.實(shí)證結(jié)果顯示:第一,三種模型的年化收益率都在25%以上,遠(yuǎn)超大盤指數(shù)的10.60%、買入持有策略的3%以及現(xiàn)有策略.從風(fēng)險(xiǎn)調(diào)節(jié)績(jī)效(夏普比率、特雷納比率和詹森績(jī)效)來(lái)看,三種策略也都遠(yuǎn)超基準(zhǔn)策略和現(xiàn)有策略.以夏普比率為例,三種策略均在1.50以上,而市場(chǎng)指數(shù)的夏普比率為0.38.第二,Ada-TEA和SVM-TEA都可以容忍遠(yuǎn)高于市場(chǎng)實(shí)際成本的交易成本.
[Abstract]:Quantitative investment attempts to use computer algorithms to predict the price of securities and trade them, and to earn excess returns from them. It is an important application of system engineering in the field of financial investment. In this paper, a set of quantitative investment algorithm ML-TEA(machine learning and technical analysis based on machine learning and technical index is designed. Then we use different machine learning algorithms to predict the direction of stock's rise and fall after the vote day, and construct the investment portfolio according to the forecast direction. The empirical results show that: first, the annual return rate of the three models is above 25%. Far more than 10.60 percent of the market index, 3% of the buying and holding strategy, and the existing strategy. In terms of risk-adjusted performance (Sharp ratio, Trayner ratio, and Jason performance), all three strategies also far exceed the benchmark strategy and the existing strategy. Take Sharp ratio as an example. All three strategies are above 1. 50, while the Sharp ratio of the market index is 0. 38. Both Ada-TEA and SVM-TEA can tolerate transaction costs that are much higher than the actual market costs.
【作者單位】： 武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院金融系;康奈爾大學(xué)運(yùn)籌與信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(71401128,91646206) 教育部留學(xué)回國(guó)人員科研啟動(dòng)基金 武漢大學(xué)人文社科青年學(xué)者學(xué)術(shù)團(tuán)隊(duì)項(xiàng)目(16WSKTD008)~~
【分類號(hào)】：F832.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 馬坤;;技術(shù)指標(biāo)的局限[J];股市動(dòng)態(tài)分析;2013年46期

相關(guān)博士學(xué)位論文 前1條

1 Maxim Pecionchin;[D];對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué);2016年

相關(guān)碩士學(xué)位論文 前6條

1 金仁莉;機(jī)器學(xué)習(xí)方法在可轉(zhuǎn)債估價(jià)上的運(yùn)用[D];暨南大學(xué);2016年

2 胡謙;基于機(jī)器學(xué)習(xí)的量化選股研究[D];山東大學(xué);2016年

3 厲國(guó)強(qiáng);基于機(jī)器學(xué)習(xí)的股指預(yù)測(cè)算法[D];天津工業(yè)大學(xué);2017年

4 施劍;基于SVM的IPO首日投資策略分析方法研究及實(shí)現(xiàn)[D];復(fù)旦大學(xué);2011年

5 劉寧;在中國(guó)A股市場(chǎng)基于輿情的交易策略[D];上海交通大學(xué);2014年

6 周澤建;程序化交易中的交易指標(biāo)優(yōu)化方法研究[D];上海交通大學(xué);2013年

，

本文編號(hào)：1634967