【摘要】：近年來(lái),量化投資在我國(guó)迅速發(fā)展,已經(jīng)成為一種極具潛力的交易手段。然而,隨著時(shí)間的推移,傳統(tǒng)量化投資方法正面臨股票因子匱乏、模型種類單一、模型復(fù)雜非線性建模能力不足的挑戰(zhàn)。因此,本文提出基于深度學(xué)習(xí)的股票Alpha量化模型,并在上證50指數(shù)成份股上進(jìn)行實(shí)驗(yàn)。傳統(tǒng)量化策略中,股票有效因子的挖掘和選取至關(guān)重要。傳統(tǒng)的因子挖掘方法主要依靠人工暴力開發(fā),耗時(shí)耗力,且效率低下。本文提出自編碼器股票Alpha因子挖掘模型,通過組合稀疏自編碼器和除噪自編碼器,構(gòu)造混合自編碼器和多層棧式自編碼器,獲得股票的深度特征表示,以達(dá)到機(jī)器自動(dòng)挖掘股票因子的目的。實(shí)驗(yàn)結(jié)果表明,自編碼器股票Alpha因子挖掘模型能夠降低股票原始數(shù)據(jù)和特征中的噪聲,精煉有效信息,得到更加有效的因子特征表示。該模型能夠在一定程度上取代人工暴力開發(fā)因子的方式。傳統(tǒng)的量化預(yù)測(cè)模型,主要通過統(tǒng)計(jì)分析,選擇高勝率的投資路徑。且傳統(tǒng)預(yù)測(cè)方法往往對(duì)股票或指數(shù)單品種收益率進(jìn)行直接預(yù)測(cè),預(yù)測(cè)難度大、精度低。另外,基于統(tǒng)計(jì)分析的方法在股票時(shí)間序列數(shù)據(jù)面前缺乏足夠的非線性表現(xiàn)力。本文提出一種新穎的基于受控成本LSTM股票Alpha預(yù)測(cè)模型,對(duì)股票指數(shù)中所有成份股組成的收益率向量做出預(yù)測(cè),由此得到所有成份股最佳的資金權(quán)重配比。通過主動(dòng)構(gòu)建投資組合,獲取與市場(chǎng)總體無(wú)關(guān)的Alpha收益。實(shí)驗(yàn)結(jié)果表明,基于受控成本LSTM股票Alpha預(yù)測(cè)模型能夠在控制交易頻率的同時(shí),獲得更加穩(wěn)定的超額收益。該模型能夠?yàn)锳lpha對(duì)沖策略的實(shí)施奠定良好的基礎(chǔ)。
【圖文】：

現(xiàn)通過股指期貨對(duì)沖的Ａｌｐｈａ策略提供了可能性。逡逑１．４研究思路逡逑如圖１－２所示為本文的研宄思路框架圖，自底向上分為數(shù)據(jù)層、特征層、模逡逑型層和策略層。逡逑策略層邐回歸分析邐回測(cè)分析逡逑邐邐邐邋｜邐邐邐逡逑模型層邐ＬＳＴＭ邐ＲＮＮ逡逑特征層邐｜技術(shù)指標(biāo)邐Ａｌｐｈａ因子邐自編碼因子逡逑數(shù)據(jù)層邐｜數(shù)據(jù)復(fù)權(quán)邐異常值處理邐缺失值處理逡逑———邋邋邐＇邋＂邋邋—邋－？逡逑邐邐邋邐邐一一逡逑姦一逡逑邐邐邐邋邐邐Ｊ逡逑圖１－２研宄思路框架圖逡逑數(shù)據(jù)層主要在獲取高頻數(shù)據(jù)后，對(duì)其完成預(yù)處理工作，包括價(jià)格復(fù)權(quán)、異常逡逑值和缺失值處理等，使數(shù)據(jù)序列可用。該部分主要在本文第三章第一節(jié)中介紹。逡逑特征層在原始數(shù)據(jù)的基礎(chǔ)上進(jìn)行一系列的特征工程，，生成各類特征，包括傳逡逑統(tǒng)技術(shù)指標(biāo)和一些Ａｌｐｈａ因子，以及用自編碼因子挖掘模型產(chǎn)生的各種自編碼特逡逑征。另外還包括這些特征因子的有效性檢驗(yàn)過程。該部分主要在本文第三章第二、逡逑三節(jié)以及第四、五章中介紹。逡逑模型層基于特征層產(chǎn)生的特征，利用循環(huán)yL經(jīng)網(wǎng)絡(luò)等預(yù)測(cè)模型對(duì)股票收益率逡逑８逡逑

第三章特征工程逡逑第二種方法為如圖３－邋２所示的均值填充法，即以該屬性值在所有股票樣本上的逡逑均值作為缺失值的填充值，圖中股票１缺失值應(yīng)填充為公式（３－７）所示均值，逡逑其中？為股票ｉ在時(shí)刻／的屬性值，ｍ為股票數(shù)量，ｎ為時(shí)間長(zhǎng)度。值得注意的是，逡逑只有當(dāng)股票沒有可填充的歷史數(shù)據(jù)時(shí)，才使用均值填充法。逡逑士ｊｒＵｉ．ｊｉｋｊ邋羊ＮａＮ）邐（公式邋３－７）逡逑使用均值作為填充值，可以讓被填充的屬性具有中性效果，在沒有足夠信息逡逑的情況下，使得該股票樣本盡量接近市場(chǎng)平均中性水平。該方法的缺點(diǎn)則是填充逡逑后的序列連續(xù)性遭到破壞，可能會(huì)造成股票屬性在時(shí)間序列上出現(xiàn)突變。逡逑本文研宄針對(duì)的是股票分鐘級(jí)高頻數(shù)據(jù)，且研宄對(duì)象是股票成份股，這些股逡逑票作為入選股票指數(shù)的成份股
【學(xué)位授予單位】：廈門大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F832.51;F224

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 楊喻欽;;基于Alpha策略的量化投資研究[J];中國(guó)市場(chǎng);2015年25期

2 張棟凱;齊佳音;;基于微博的企業(yè)突發(fā)危機(jī)事件網(wǎng)絡(luò)輿情的股價(jià)沖擊效應(yīng)[J];情報(bào)雜志;2015年03期

3 饒育蕾;鮑瑋;彭疊峰;;滬深300成分股調(diào)整與股票收益的同步性研究[J];中南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2015年01期

4 朱健;;網(wǎng)絡(luò)輿情與上市公司股價(jià)的相關(guān)性研究[J];稅收經(jīng)濟(jì)研究;2015年01期

5 陳浪南;熊偉;;公司特質(zhì)波動(dòng)決定因素研究——信息效率還是噪音交易?[J];中國(guó)會(huì)計(jì)評(píng)論;2014年01期

相關(guān)博士學(xué)位論文 前1條

1 張承釗;一種金融市場(chǎng)預(yù)測(cè)的深度學(xué)習(xí)模型：FEPA模型[D];電子科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前5條

1 劉紫雄;支持向量機(jī)擇時(shí)的Alpha套利研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2017年

2 宮明璐;基于微信的網(wǎng)絡(luò)輿情對(duì)股價(jià)變動(dòng)影響分析[D];山東師范大學(xué);2017年

3 郝知遠(yuǎn);基于數(shù)據(jù)挖掘方法的股票預(yù)測(cè)系統(tǒng)[D];南京理工大學(xué);2017年

4 劉康;基于因果發(fā)現(xiàn)的股票分析因子選擇及概念漂移挖掘[D];廣東外語(yǔ)外貿(mào)大學(xué);2016年

5 章宏帆;運(yùn)用量化投資策略實(shí)現(xiàn)超額收益Alpha的理論與實(shí)踐[D];浙江大學(xué);2015年

本文編號(hào)：2685634