【摘要】：量化交易起源于20世紀(jì)70年代的美國(guó),經(jīng)過長(zhǎng)期的發(fā)展,量化交易的理論和技術(shù)已趨于成熟,在金融交易領(lǐng)域也得到了廣泛的應(yīng)用。目前,運(yùn)用量化交易平臺(tái)實(shí)現(xiàn)基于技術(shù)指標(biāo)的量化交易策略研究較多,但對(duì)量化交易策略優(yōu)化的研究較少,缺乏一套完善的量化交易構(gòu)建和優(yōu)化體系。一般情況下,默認(rèn)參數(shù)下的技術(shù)指標(biāo)量化交易策略表現(xiàn)一般,也難以適應(yīng)不同市場(chǎng)和不同時(shí)間的行情走勢(shì),量化交易策略經(jīng)過參數(shù)優(yōu)化,可以適應(yīng)具體交易品種的行情走勢(shì)和提升盈利能力。隨著投資者對(duì)量化交易研究的深入,量化交易策略的優(yōu)化將會(huì)成為量化交易領(lǐng)域重要的研究方向。本文通過在MetaTrader5量化交易平臺(tái)分別設(shè)計(jì)構(gòu)建MACD指標(biāo)與RSI指標(biāo)的兩個(gè)單指標(biāo)量化交易策略和雙指標(biāo)組合量化交易策略,選取歐元兌美元的歷史交易數(shù)據(jù),對(duì)三個(gè)量化交易策略進(jìn)行回測(cè)檢驗(yàn),驗(yàn)證默認(rèn)參數(shù)下三個(gè)量化交易策略的交易績(jī)效。在回測(cè)檢驗(yàn)的基礎(chǔ)上,運(yùn)用遺傳算法分別對(duì)三個(gè)量化交易策略進(jìn)行參數(shù)優(yōu)化,對(duì)計(jì)算出來的優(yōu)化參數(shù)進(jìn)行樣本內(nèi)數(shù)據(jù)回測(cè)和樣本外數(shù)據(jù)檢驗(yàn),根據(jù)兩段測(cè)試的表現(xiàn)篩選出三個(gè)策略相應(yīng)的最佳優(yōu)化參數(shù)。最后,分別對(duì)使用最佳優(yōu)化參數(shù)的三個(gè)量化交易策略進(jìn)行模擬實(shí)盤檢驗(yàn),檢驗(yàn)策略在樣本外數(shù)據(jù)的盈利能力和穩(wěn)定性。本文通過研究得出以下結(jié)論:第一,可以通過構(gòu)建基于技術(shù)指標(biāo)的量化交易策略在外匯市場(chǎng)上實(shí)現(xiàn)盈利,其中技術(shù)指標(biāo)組合量化交易策略在盈利和風(fēng)險(xiǎn)方面比單指標(biāo)量化交易策略擁有更好的表現(xiàn)。第二,可以通過運(yùn)用遺傳算法對(duì)量化交易策略進(jìn)行參數(shù)優(yōu)化,提高技術(shù)指標(biāo)量化交易策略的盈利能力和風(fēng)險(xiǎn)水平,技術(shù)指標(biāo)組合策略比單指標(biāo)策略優(yōu)化后的表現(xiàn)更好,擁有更大的優(yōu)化空間。第三,通過樣本內(nèi)數(shù)據(jù)回測(cè)和樣本外數(shù)據(jù)檢驗(yàn)兩段測(cè)試篩選出的量化交易策略最優(yōu)參數(shù),可以有效避免出現(xiàn)與歷史數(shù)據(jù)過度擬合的情況,使量化交易策略在樣本外數(shù)據(jù)表現(xiàn)穩(wěn)定,可以應(yīng)用于實(shí)盤交易。
【圖文】：

ｉ邋ｒｗ？邋｜邋ｗａ邋丨明丨焌邋ｉ邐＾0ｇ0ｇｇ｜＾＾ｇ＾ｇ￡＾ｇｇｇｇｇｇｇｇＱＩＨ３Ｓ９ＨＫＳ２＾ＨＨ￡３ＱＢＩ＾？＇？？邐？．＊邐ｒ．－？３Ｓ邐＊１逡逑．邋Ｐ＊邋ｌ，邋＊，，邐ｌ，邋ｔ：邋．４．邋Ｉ邋－邋）：邐Ｍ：１邋；；■！逡逑：邋．．，邐？邋ｂｂｉＭｌＪｉ邋＂邋？邋Ｉ逡逑：邐：邐；．；；；；？邐－＾Ｃ＾＇逡逑，ＶＫ？邐ｒｓ＞邐Ｉ邋ＳＭ邐？ＴＨｆｔｒ逡逑．：邋＊ｌ＾＊？＾？－ｉ邐；？－、邐＊邋ＳＭ：逡逑Ｍ邋■邐「邐《？ｉ？ａ￣￣Ｌ＇ｍ＾ｒ—＾ｚｓｓ＾邋＼邋＜ｍ邋ｉ邋ａｉｓ邋Ｉ邐＇ｒ？§邐＞：■．－．邐ｅｓ邐ｃｅ＊邐±ｓ：邐±ｓ．邐＾邋ｓ邐＊？？３６５７９Ｓ６７５邐２０１Ｓ．０３．２５邋＇邋．Ｖｌｉ＇１２邐Ｏｕｙ邐１邋００邐？．．１－１４０邐３邋０００００邐Ｏ．ＫＪ＾Ｃ邐，．．ｍＤ邐Ｃ邋ＣＣ邐１０ＳＯ邋Ｍ邋ｌＯＯｔＯＯＯ邋ＭｆｎＲ：１邋１３１＾０邋９ＳＷ４Ｓｂ？？７ａ＾０邋ｍｎ？Ｍ？：８Ｓ４．７４％邐１３６９７９ＳＳ７Ｓ邐ＺＱ－Ｓ．０５．２Ｓ邋１邋？邋�。玻海樱愤姡椋澹隋澹欤恚椋姡卞澹埃板澹煎澹埃埃斑�；．１６ｏ；７邐ＯＯＯＣＫＸ！邐Ｓ．３０ＪＸ邐．．：；＿５０邐ｐｉａ｜邋？＾邋ｅ＾ａｉ邋：邋Ｓｊ＾ｇ邋ｊ邋＾；ｇ邋ｊ邋＾邋；邐；邋＜Ｓ５邋！邋＾ｉｒ，邋：邋ｊ邋＞ｙ邋：邋Ｓｇ－邋ｊ逡逑Ｄｅｎｘｈ邐２０１８．１１－ＷＯｆｔＯＯ邋０；邋１．１３６２８邐Ｈ：１／：Ｊｅ？５邐Ｕ１．１３１５７邋｜ｔ１．ｉ３３４３邐ｉｊｔ邋９３．＊／３圖３－１邋ＭｅｔａＴｒａｄｅｒ５量化交易平臺(tái)界面逡逑Ｔｒａｄｅｒ５最突出的功能就是

廣西大學(xué)金融項(xiàng)士學(xué)位論文邐基于技術(shù)分析指標(biāo)組合的外匯量化交易策略優(yōu)化研究逡逑幾何平均收益率邐－０．２８％逡逑盈利因子邐０．７６逡逑交易次數(shù)邐３９３逡逑交易勝率邐３１．８１％逡逑最大回撤率邐６８．４３％逡逑夏普比率邐－０．０７逡逑５４邋４４０．００邋＊邋－邐邐邐邐－．．．－－邐邐邐邐邐邐逡逑
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F831.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉偉;沈春根;;基于技術(shù)分析指標(biāo)組合的程序化交易模型研究[J];經(jīng)濟(jì)數(shù)學(xué);2015年03期

2 劉宇霞;;組合指標(biāo)個(gè)股量化擇時(shí)交易的實(shí)證研究[J];科技創(chuàng)業(yè)月刊;2015年12期

3 梁淇俊;鄭貴俊;徐守萍;;基于生存分析的擇時(shí)策略擇優(yōu)體系研究——以技術(shù)指標(biāo)交易信號(hào)為例[J];金融經(jīng)濟(jì)學(xué)研究;2015年01期

4 楊光豹;;程序化交易系統(tǒng)中線性回歸模型及其優(yōu)化算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2014年12期

5 熊熊;張博洋;張永杰;付琳惠;;程序化交易系統(tǒng)的檢測(cè)與優(yōu)化體系[J];科學(xué)決策;2013年08期

6 瞿慧;劉燁;李娟;;基于遺傳編程的中國(guó)股票市場(chǎng)有效性新檢驗(yàn)[J];統(tǒng)計(jì)與決策;2011年23期

7 趙建;霍佳震;;基于遺傳算法的量化投資策略的優(yōu)化與決策[J];上海管理科學(xué);2011年05期

8 張戈;程棵;陸鳳彬;汪壽陽;;基于Copula函數(shù)的程序化交易策略[J];系統(tǒng)工程理論與實(shí)踐;2011年04期

9 朱敏;;期貨投資中技術(shù)分析有效性的實(shí)證研究——基于滬銅與倫敦銅的比較分析[J];上海經(jīng)濟(jì)研究;2010年04期

10 王志剛;曾勇;李平;;中國(guó)股票市場(chǎng)技術(shù)分析非線性預(yù)測(cè)能力的實(shí)證檢驗(yàn)[J];管理工程學(xué)報(bào);2009年01期

相關(guān)碩士學(xué)位論文 前10條

1 費(fèi)佳峰;中國(guó)商品期貨市場(chǎng)多品種多策略量化投資組合研究[D];浙江大學(xué);2018年

2 楊世林;基于聚寬量化投資平臺(tái)的股票多因子策略應(yīng)用[D];浙江大學(xué);2018年

3 吳衛(wèi)星;隨機(jī)森林在技術(shù)指標(biāo)量化選股中的應(yīng)用[D];電子科技大學(xué);2018年

4 李志鴻;國(guó)內(nèi)商品期貨“短周期”量化投資策略研究[D];浙江大學(xué);2017年

5 謝堞江;量化交易策略綜述與新策略設(shè)計(jì)[D];浙江大學(xué);2016年

6 劉娟;股票技術(shù)分析策略的偏度偏好研究[D];重慶大學(xué);2016年

7 張?jiān)诩t;基于基本分析與技術(shù)分析的股票投資研究[D];蘭州大學(xué);2016年

8 散丹;市場(chǎng)有效性與技術(shù)分析盈利性研究[D];西南財(cái)經(jīng)大學(xué);2016年

9 包懿;中國(guó)股市技術(shù)分析有效性研究[D];上海交通大學(xué);2015年

10 馮毅鋒;技術(shù)分析有效性研究[D];華南理工大學(xué);2015年

本文編號(hào)：2706401