【摘要】：量化投資方法是將現(xiàn)代數(shù)學理論和金融數(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,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)化以及風險分析等手段,借助于多樣化投資將策略在各個風險上的暴露中性化,從而降低策略的不確定性,調(diào)節(jié)策略的收益。本文則從另外一個方向出發(fā),借助于模式識別技術,將當前行情的風格進行分類,標記出策略表現(xiàn)良好和表現(xiàn)糟糕的行情段,從而主動地采取相應的策略,對策略進行增強,由于與風險模型獨立,與傳統(tǒng)的優(yōu)化方法互補,為構(gòu)建更加復雜的投資模型給出了新的思路。量化策略最重要的假設是基于未來的行情可以通過歷史數(shù)據(jù)進行預測,基于此,基本面/未來行情也可以假設為是過去的延續(xù),這構(gòu)成了本文研究的基礎。為了利用該假設,首先,本文對行情風格進行了量化的定義,對于行情圖形的模式匹配方法建立了幾種識別風格的量化方法。之后通過4個簡單的傳統(tǒng)策略在中國商品期貨市場的模擬回測,構(gòu)建模式識別方法進行優(yōu)化,確定了通過圖形上的模式識別能夠在一定范圍內(nèi)正確地預示行情的風格。其次,作者從模式識別方法出發(fā),嘗試使用適用性更加廣泛的深度學習算法,利用回歸模型來進行分類,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,作者通過實證分析,將該方法運用到了實際策略中,在中國商品期貨市場中回測其策略收益,對比了多個策略,多個參數(shù)的模型優(yōu)化效果,進行了敏感性分析。實證分析表明單個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,還對該優(yōu)化方法的優(yōu)缺點和適用范圍進行了分析,給出了未來該方法的研究建議。
【圖文】：

而行情風格的識別可以通過主觀投資者對于圖形、基本面信息的把握而產(chǎn)生。借助于模式識別技術，將當前行情的風格進行分類，標記出策略表現(xiàn)良好和表現(xiàn)糟糕的行情段，從而主動地采取相應的策略，對策略進行增強，但由于風險模型獨立，與傳統(tǒng)的優(yōu)化方法剛好互補，，為構(gòu)建更加復雜的投資模型給出了新的思路。回到基本假設，通過對大量策略的分析，可以發(fā)現(xiàn)一個特征就是策略是由風格的，或者說是行情是有風格的，一段行情中某個策略能夠盈利，往往伴隨著的是其相關策略也能實現(xiàn)盈利，同樣虧損的時候，其相關策略也會虧損，而從邏輯上看這些策略往往沒有任何關系，但這樣的行情特征卻會嚴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，即在量化的基礎上加上人對于行情的主觀判斷，可見該指標的重要性。量化投資最重要的假設便是——過去的數(shù)據(jù)能夠預測未來的走向。從圖形上看，過去產(chǎn)生的行情在未來一定時間內(nèi)能夠延續(xù)，這是滯后效應，這是由于市場的參與者需要時間去調(diào)節(jié)和適應信息所導致的，這條假設不僅能夠在在量化投資策略的構(gòu)建上使用，也被用于本文對于量化策略的優(yōu)化之上。

未來將會下跌。邏輯簡單移動，是最常用的量化策略和技術常作為量化從業(yè)人員第一個認識的策略。TR 策略，借鑒方兆本(2011)[11], 孫偉(2017)[13]，姚海博(2015）[12]動均線策略的研究報告，ATR(Average True Range)即為平均真實波過去一段時間的波動幅度，常常用作標準差的替代品，因為其保持息，反應更快。ATR 的計算公式如下： = ( , , ) ( ) =∑ R 策略則是基于 ATR，在價格數(shù)據(jù)的移動平均值上打上一條通道，當者低于下限時，預測價格會回歸到中心，由此采取相關倉位操作的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 加 減 前 一 日 的 波 動 范 圍 ( ,, , )，由此形成一個硬性邊界線，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。
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F832.51

【參考文獻】

相關期刊論文 前9條

1 姚海博;茹少峰;張文明;;基于動態(tài)交易量預測的VWAP算法交易賣出策略[J];運籌與管理;2015年02期

2 宮正;劉曉燕;;時間序列短期趨勢信號模型研究[J];計算機技術與發(fā)展;2011年12期

3 方兆本;鎮(zhèn)磊;;基于非對稱效應ACD模型和分時VWAP算法對A股市場算法交易的量化分析研究[J];中國科學技術大學學報;2011年09期

4 洪文學;;基于多元圖圖形幾何特征的模式識別新方法[J];燕山大學學報;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;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];微型機與應用;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];計算機工程;2005年01期

8 陸鋒,伊衛(wèi)星,袁曉輝;神經(jīng)網(wǎng)絡模式識別對金融票據(jù)中數(shù)字特征的識別方法研究[J];蘇州大學學報(工科版);2003年04期

9 張鴻鳴,劉鐵軍,田衛(wèi)星,張科;模式識別與圖形識別[J];計算機應用研究;1993年04期

相關博士學位論文 前2條

1 蔣勇;股指期貨市場風險管理與量化策略研究[D];中國科學技術大學;2012年

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

相關碩士學位論文 前2條

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

2 蔣樹國;量化投資趨勢策略分析和研究[D];對外經(jīng)濟貿(mào)易大學;2016年

本文編號：2679136