量化投資通過計(jì)算機(jī)對(duì)大量金融數(shù)據(jù)進(jìn)行分析,根據(jù)建立的投資決策模型進(jìn)行交易判斷以及交易執(zhí)行,能夠迅速更新全方位的實(shí)時(shí)數(shù)據(jù),理性決策,平衡分險(xiǎn)與收益,及時(shí)把握機(jī)會(huì)進(jìn)行交易。而多因子策略,作為最經(jīng)典的量化投資策略之一,一直在學(xué)術(shù)界和業(yè)界中有著廣泛的應(yīng)用。但是隨著國內(nèi)金融市場(chǎng)的日趨成熟,量化數(shù)據(jù)的日趨完善、詳盡,面對(duì)如今復(fù)雜多變的金融市場(chǎng)和琳瑯滿目的金融產(chǎn)品及其衍生品,簡(jiǎn)單的篩選因子、線性回歸構(gòu)建模型的方法已經(jīng)很難有效地篩選股票。我們需要更為復(fù)雜,經(jīng)濟(jì)含義、統(tǒng)計(jì)邏輯更深的因子和模型。隨著互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的迅速發(fā)展,我們得以借助計(jì)算機(jī)的幫助,向人工智能量化投資逐步過渡,將機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等算法應(yīng)用于量化投資領(lǐng)域。新的量化投資方法業(yè)績(jī)更加穩(wěn)定,市場(chǎng)規(guī)模和份額不斷擴(kuò)大,得到越來越多投資者的信賴。在本文中,我們將利用DNN神經(jīng)網(wǎng)絡(luò)和凸優(yōu)化模型,借助編程語言的幫助,基于傳統(tǒng)的多因子模型構(gòu)建出一個(gè)更為高效的量化投資選股模型。為此,本文將進(jìn)行如下工作:首先我們將從開源數(shù)據(jù)源獲取股票的基礎(chǔ)數(shù)據(jù);然后進(jìn)行數(shù)據(jù)清洗,并根據(jù)學(xué)界論文和業(yè)界研究報(bào)告進(jìn)行,對(duì)因子做初步的選擇和計(jì)算;接下來,我們將進(jìn)行因子的中性化和單...

【文章頁數(shù)】：75 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１：?ＤＮＮ的基本結(jié)構(gòu)??

?山東大學(xué)碩士學(xué)位論文???ｍ??刀＝廠｜?ｄｏｍ／ｊ?（２．８）??ｉ＝０??稱為凸優(yōu)化問題２．７的定義域。當(dāng)點(diǎn)．ｔ?Ｇ?Ｄ滿足約束／，（：ｒ）?ｇ?０，？：＝〗，２，．．．，ｍ??時(shí)，稱ｘ是可行的。當(dāng)優(yōu)化問題２．７至少有一個(gè)可行點(diǎn)時(shí)，我們稱此優(yōu)化問題為??可行的，否則稱為不可....

圖２．２：?ＤＮＮ神經(jīng)元的基本結(jié)構(gòu)??

?山東大學(xué)碩士學(xué)位論文???偏黃??＾?＼?激活函數(shù)??輸入，—輸出??：?：?ｙＵ?１?－Ｖｉ??Ｉ?＇?求和結(jié)點(diǎn)??突觸權(quán)俏??圖２．２：?ＤＮＮ神經(jīng)元的基本結(jié)構(gòu)??２．權(quán)重：每一個(gè)輸入都有一個(gè)權(quán)重．記權(quán)重列向量為�！ǎ蓿�，．．．，叫彳叫＾�。�；??３．偏置項(xiàng)：６?￡?Ｒ....

圖２．３：?ＤＮＮ前向傳播示意圖??２．２．３?ＤＮＮ反向傳播算法??

?山東大學(xué)碩士學(xué)位論文???Ｐ??Ｌａｙｅｒ?Ｌ！?Ｌａｙｅｒ?Ｌ２??圖２．３：?ＤＮＮ前向傳播示意圖??２．２．３?ＤＮＮ反向傳播算法??假設(shè)我們有ｍ個(gè)訓(xùn)練樣本，（．Ｔ２，Ｊ／２）?其中心為輸入??向量，特征維度為》，？，而沾為輸出向量，特征維度為ｎｃｗｉ。我們需要利用這??....

圖３．２：平安銀行２０１０／６／０４?－?２０１０／０９／０９日行情??

．．．．．．．．．００００ＧＩ．ＳＺ?２０１００６２４?１８，５３?０．７９８６?０．９０４９?０．５９?１１．４３８４?１０．４８７７?２?６０２６?３．８０７２?３．７２７４?〇??；０００ＤＧＩ．ＳＺ?２０１００６２３?１８．３５?１．１１０４?１．２５８２?０．８３?１１....

本文編號(hào)：3957277