【摘要】：量化投資方法是將現(xiàn)代數(shù)學(xué)理論和金融數(shù)據(jù)結(jié)合起來的一種全新的投資分析方法,盡管在國外已經(jīng)有了50余年的發(fā)展,但在國內(nèi)仍屬于新興行業(yè),雖然新興,但由于借鑒了不少國外的發(fā)展經(jīng)驗(yàn),其發(fā)展非常迅速,傳統(tǒng)策略失效迅速,因此如何優(yōu)化策略,如何管理多策略變得愈發(fā)重要。傳統(tǒng)方法優(yōu)化策略組合一般通過參數(shù)優(yōu)化以及風(fēng)險(xiǎn)分析等手段,借助于多樣化投資將策略在各個(gè)風(fēng)險(xiǎn)上的暴露中性化,從而降低策略的不確定性,調(diào)節(jié)策略的收益。本文則從另外一個(gè)方向出發(fā),借助于模式識(shí)別技術(shù),將當(dāng)前行情的風(fēng)格進(jìn)行分類,標(biāo)記出策略表現(xiàn)良好和表現(xiàn)糟糕的行情段,從而主動(dòng)地采取相應(yīng)的策略,對(duì)策略進(jìn)行增強(qiáng),由于與風(fēng)險(xiǎn)模型獨(dú)立,與傳統(tǒng)的優(yōu)化方法互補(bǔ),為構(gòu)建更加復(fù)雜的投資模型給出了新的思路。量化策略最重要的假設(shè)是基于未來的行情可以通過歷史數(shù)據(jù)進(jìn)行預(yù)測(cè),基于此,基本面/未來行情也可以假設(shè)為是過去的延續(xù),這構(gòu)成了本文研究的基礎(chǔ)。為了利用該假設(shè),首先,本文對(duì)行情風(fēng)格進(jìn)行了量化的定義,對(duì)于行情圖形的模式匹配方法建立了幾種識(shí)別風(fēng)格的量化方法。之后通過4個(gè)簡單的傳統(tǒng)策略在中國商品期貨市場(chǎng)的模擬回測(cè),構(gòu)建模式識(shí)別方法進(jìn)行優(yōu)化,確定了通過圖形上的模式識(shí)別能夠在一定范圍內(nèi)正確地預(yù)示行情的風(fēng)格。其次,作者從模式識(shí)別方法出發(fā),嘗試使用適用性更加廣泛的深度學(xué)習(xí)算法,利用回歸模型來進(jìn)行分類,拓展后的模型能夠更為方便地調(diào)節(jié)參數(shù)和結(jié)構(gòu)。最后,作者通過實(shí)證分析,將該方法運(yùn)用到了實(shí)際策略中,在中國商品期貨市場(chǎng)中回測(cè)其策略收益,對(duì)比了多個(gè)策略,多個(gè)參數(shù)的模型優(yōu)化效果,進(jìn)行了敏感性分析。實(shí)證分析表明單個(gè)策略可以通過這類方法優(yōu)化,優(yōu)化后效果能夠顯著提升,但該方法在多策略組合上的提升效果則有限。在本文的最后,還對(duì)該優(yōu)化方法的優(yōu)缺點(diǎn)和適用范圍進(jìn)行了分析,給出了未來該方法的研究建議。
【圖文】：

而行情風(fēng)格的識(shí)別可以通過主觀投資者對(duì)于圖形、基本面信息的把握而產(chǎn)生。借助于模式識(shí)別技術(shù)，將當(dāng)前行情的風(fēng)格進(jìn)行分類，標(biāo)記出策略表現(xiàn)良好和表現(xiàn)糟糕的行情段，從而主動(dòng)地采取相應(yīng)的策略，對(duì)策略進(jìn)行增強(qiáng)，但由于風(fēng)險(xiǎn)模型獨(dú)立，與傳統(tǒng)的優(yōu)化方法剛好互補(bǔ)，，為構(gòu)建更加復(fù)雜的投資模型給出了新的思路。回到基本假設(shè)，通過對(duì)大量策略的分析，可以發(fā)現(xiàn)一個(gè)特征就是策略是由風(fēng)格的，或者說是行情是有風(fēng)格的，一段行情中某個(gè)策略能夠盈利，往往伴隨著的是其相關(guān)策略也能實(shí)現(xiàn)盈利，同樣虧損的時(shí)候，其相關(guān)策略也會(huì)虧損，而從邏輯上看這些策略往往沒有任何關(guān)系，但這樣的行情特征卻會(huì)嚴(yán)重影響到策略的收益。很多投資經(jīng)歷依次為依據(jù)推出了“主觀+量化”的概念，即在量化的基礎(chǔ)上加上人對(duì)于行情的主觀判斷，可見該指標(biāo)的重要性。量化投資最重要的假設(shè)便是——過去的數(shù)據(jù)能夠預(yù)測(cè)未來的走向。從圖形上看，過去產(chǎn)生的行情在未來一定時(shí)間內(nèi)能夠延續(xù)，這是滯后效應(yīng)，這是由于市場(chǎng)的參與者需要時(shí)間去調(diào)節(jié)和適應(yīng)信息所導(dǎo)致的，這條假設(shè)不僅能夠在在量化投資策略的構(gòu)建上使用，也被用于本文對(duì)于量化策略的優(yōu)化之上。

未來將會(huì)下跌。邏輯簡單移動(dòng)，是最常用的量化策略和技術(shù)常作為量化從業(yè)人員第一個(gè)認(rèn)識(shí)的策略。TR 策略，借鑒方兆本(2011)[11], 孫偉(2017)[13]，姚海博(2015）[12]動(dòng)均線策略的研究報(bào)告，ATR(Average True Range)即為平均真實(shí)波過去一段時(shí)間的波動(dòng)幅度，常常用作標(biāo)準(zhǔn)差的替代品，因?yàn)槠浔３窒�，反�?yīng)更快。ATR 的計(jì)算公式如下： = ( , , ) ( ) =∑ R 策略則是基于 ATR，在價(jià)格數(shù)據(jù)的移動(dòng)平均值上打上一條通道，當(dāng)者低于下限時(shí)，預(yù)測(cè)價(jià)格會(huì)回歸到中心，由此采取相關(guān)倉位操作的ualThrust 是典型的高低邊界線型策略，參考魏剛（2012）[10]的研究 日 的 開 盤 價(jià) 加 減 前 一 日 的 波 動(dòng) 范 圍 ( ,, , )，由此形成一個(gè)硬性邊界線，向上突破是下突破是空頭行情。一般是作為日內(nèi)交易策略，但也可以自定義周符合邏輯。
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 姚海博;茹少峰;張文明;;基于動(dòng)態(tài)交易量預(yù)測(cè)的VWAP算法交易賣出策略[J];運(yùn)籌與管理;2015年02期

2 宮正;劉曉燕;;時(shí)間序列短期趨勢(shì)信號(hào)模型研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年12期

3 方兆本;鎮(zhèn)磊;;基于非對(duì)稱效應(yīng)ACD模型和分時(shí)VWAP算法對(duì)A股市場(chǎng)算法交易的量化分析研究[J];中國科學(xué)技術(shù)大學(xué)學(xué)報(bào);2011年09期

4 洪文學(xué);;基于多元圖圖形幾何特征的模式識(shí)別新方法[J];燕山大學(xué)學(xué)報(bào);2008年05期

5 季桂樹;陳沛玲;宋航;;決策樹分類算法研究綜述[J];科技廣場(chǎng);2007年01期

6 談恒貴,王文杰,李游華;數(shù)據(jù)挖掘分類算法綜述[J];微型機(jī)與應(yīng)用;2005年02期

7 羅可,林睦綱,郗東妹;數(shù)據(jù)挖掘中分類算法綜述[J];計(jì)算機(jī)工程;2005年01期

8 陸鋒,伊衛(wèi)星,袁曉輝;神經(jīng)網(wǎng)絡(luò)模式識(shí)別對(duì)金融票據(jù)中數(shù)字特征的識(shí)別方法研究[J];蘇州大學(xué)學(xué)報(bào)(工科版);2003年04期

9 張鴻鳴,劉鐵軍,田衛(wèi)星,張科;模式識(shí)別與圖形識(shí)別[J];計(jì)算機(jī)應(yīng)用研究;1993年04期

相關(guān)博士學(xué)位論文 前2條

1 蔣勇;股指期貨市場(chǎng)風(fēng)險(xiǎn)管理與量化策略研究[D];中國科學(xué)技術(shù)大學(xué);2012年

2 梁斌;股指期貨套期保值和套利策略研究[D];中國科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前2條

1 孫偉;股票量化交易策略的研究及MATLAB的實(shí)現(xiàn)[D];天津商業(yè)大學(xué);2017年

2 蔣樹國;量化投資趨勢(shì)策略分析和研究[D];對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué);2016年

本文編號(hào)：2679136