自上個世紀70年代始,計算機信息技術(shù)的發(fā)展突飛猛進,以統(tǒng)計學理論為支撐,依靠計算機技術(shù)實現(xiàn)的量化投資得到了長足的發(fā)展。經(jīng)過五十年的探索,到目前為止量化投資己占全球金融投資品種的30%以上,儼然已經(jīng)成為世界金融投資行業(yè)的主要投資方式之一。對于處于金融全球化的浪潮中的中國,2004年的8月第一支公募量化投資基金出現(xiàn),隨后私募量化基金也飛速發(fā)展,到2021年1月底,中國的私募量化投資基金的管理規(guī)模就已經(jīng)突破了 5000億元人民幣。與此同時,學習量化投資技術(shù)的浪潮開始從高校和各大基金公司中涌現(xiàn),互聯(lián)網(wǎng)中也出現(xiàn)了聚寬、優(yōu)礦、米礦、交易開拓者等多個量化交易與學習平臺,量化交易在我國金融市場中所受的關(guān)注度日益增長。本文依托我國的股票市場實際,應(yīng)用目前被廣泛研究的機器學習技術(shù),構(gòu)建了從量化選股到量化擇時的完整量化投資策略,取得了相對不錯的回測收益率。本文選取了 2009年至2020年滬深300指數(shù)成分股的年度因子和日度代理情緒數(shù)據(jù),先應(yīng)用多因子選股的方式,使用2012年到2019年的多因子選股數(shù)據(jù),用主成分回歸模型根據(jù)成分股每年預(yù)期成長能力的高低篩選出靠前的十只股票作為下一年的待擇時的股票池,選好的待...

【文章頁數(shù)】：94 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 選題背景與意義
        1.1.1 選題背景
        1.1.2 研究意義
    1.2 研究內(nèi)容與創(chuàng)新
        1.2.1 研究內(nèi)容
        1.2.2 研究創(chuàng)新
    1.3 技術(shù)路線和實驗方案
        1.3.1 技術(shù)路線
        1.3.2 實驗方案
第二章 理論基礎(chǔ)與文獻綜述
    2.1 量化投資與機器學習理論
        2.1.1 量化投資理論
        2.1.2 機器學習理論
        2.1.3 機器學習在量化投資領(lǐng)域的應(yīng)用
    2.2 多因子選股理論
    2.3 支持向量機理論
        2.3.1 線性可分支持向量機
        2.3.2 線性不可分支持向量機
        2.3.3 核函數(shù)
    2.4 文獻綜述
        2.4.1 國外文獻綜述
        2.4.2 國內(nèi)文獻綜述
第三章 基于投資者情緒的SVM擇時策略設(shè)計
    3.1 投資對象的選擇
    3.2 構(gòu)建待擇時股票池方案的設(shè)計
        3.2.1 因子的選取
        3.2.2 因子數(shù)據(jù)的預(yù)處理
        3.2.3 選股方法的確定
    3.3 SVM擇時方案的設(shè)計
        3.3.1 擇時策略的總體思路
        3.3.2 核函數(shù)的選擇與參數(shù)尋優(yōu)方法
        3.3.3 SVM擇時模型性能的評價指標
    3.4 量化策略的評價指標
第四章 待擇時股票池構(gòu)建
    4.1 選股因子相關(guān)性分析及因子分析可行性檢驗
        4.1.1 選股因子數(shù)據(jù)的預(yù)處理
        4.1.2 因子分析可行性檢驗
    4.2 待擇時股票池的構(gòu)建及選股有效性驗證
        4.2.1 多因子主成分的確定
        4.2.2 多因子選股模型與股票池的構(gòu)建
        4.2.3 選股有效性驗證
第五章 情緒特征的構(gòu)建
    5.1 投資者情緒代理變量的選取與描述性統(tǒng)計
        5.1.1 代理變量的選取
        5.1.2 代理變量的描述性統(tǒng)計
    5.2 投資者情緒特征的構(gòu)建
        5.2.1 投資者情緒代理變量的數(shù)據(jù)處理
        5.2.2 利用主成分降維構(gòu)建投資者情緒特征
第六章 基于投資者情緒的擇時策略的實施與回測
    6.1 SVM分類標簽的確定
    6.2 SVM模型參數(shù)尋優(yōu)及訓練
        6.2.1 SVM參數(shù)尋優(yōu)
        6.2.2 SVM模型訓練
        6.2.3 模型訓練結(jié)果評價
        6.2.4 參數(shù)尋優(yōu)有效性驗證
    6.3 擇時策略的模擬交易回測
        6.3.1 下跌期
        6.3.2 上漲期
        6.3.3 震蕩期
第七章 研究結(jié)論與展望
    7.1 研究結(jié)論
    7.2 不足與展望
致謝
參考文獻
附錄



本文編號：3929124