【摘要】：量化交易分析越來越受到關(guān)注,成為計算機(jī)應(yīng)用的熱門領(lǐng)域。人們不再喜歡憑經(jīng)驗(yàn)和感覺進(jìn)行投資,而更多希望通過科學(xué)的數(shù)據(jù)分析結(jié)果來進(jìn)行合理的資金安排。股票更是大眾喜歡購買的投資產(chǎn)品,很多人都想對于股票交易數(shù)據(jù)進(jìn)行分析和一窺量化交易門徑。隨著量化分析需求的擴(kuò)大,出現(xiàn)了開放性量化投資平臺,提供了股票交易數(shù)據(jù)分析相關(guān)功能,能夠輕松在平臺上實(shí)現(xiàn)量化交易策略并利用歷史數(shù)據(jù)回測收益情況。但是平臺提供的數(shù)據(jù)和操作有限,數(shù)據(jù)處理過程過于透明,不利于股票數(shù)據(jù)的直接分析和交易策略的制定,特別是數(shù)據(jù)單一,不利于策略有效性的認(rèn)定,準(zhǔn)確度不夠,容易承擔(dān)較大的風(fēng)險。開放性平臺只提供了行情日交易數(shù)據(jù),是對一天的交易情況的綜合性概括,隱藏了股票價格變化的細(xì)節(jié)規(guī)律,制定的策略只適合判斷價格變化趨勢。變化趨勢與實(shí)際交易之間仍然存在一段需要研究的空間。顯然日交易數(shù)據(jù)也無法滿足在一天內(nèi)進(jìn)行多次交易的需求。本文從開放性量化分析平臺入手,研究了平臺的使用方法,分析了平臺的功能性優(yōu)勢,總結(jié)了平臺在數(shù)據(jù)預(yù)處理、交易模擬、策略制定和有效性判定上的不足。特別是計算機(jī)專業(yè)背景下對價格變化規(guī)律的深層次挖掘?qū)?shù)據(jù)精度提出了更高的要求,我們必須獲取更細(xì)粒度的交易數(shù)據(jù)進(jìn)行分析研究。然而粒度交易數(shù)據(jù)量遠(yuǎn)遠(yuǎn)大于行情日數(shù)據(jù),原有的量化回測模型不支持細(xì)粒度交易數(shù)據(jù)的操作,也不能對大數(shù)據(jù)量進(jìn)行有效回測。文中進(jìn)一步提出設(shè)計新的指標(biāo)驅(qū)動交易模型,將原始數(shù)據(jù)與策略回測相分離,對原始數(shù)據(jù)進(jìn)行優(yōu)化存儲和處理之后,生成策略指標(biāo),最后由指標(biāo)驅(qū)動策略回測,將計算量和優(yōu)化工作集中在原始數(shù)據(jù)的存儲和處理上。通過列存儲分割數(shù)據(jù)表、差分運(yùn)算降低數(shù)據(jù)量、自適應(yīng)近似產(chǎn)生稀疏列,最終采用稀疏矩陣坐標(biāo)存儲思想,對數(shù)據(jù)進(jìn)行壓縮存儲。同時采用內(nèi)存壓縮技術(shù),降低大量數(shù)據(jù)內(nèi)存置換成本,創(chuàng)新性的將數(shù)據(jù)以內(nèi)存壓縮形式保存在磁盤上,進(jìn)一步減少文件讀取輸入時間。最后實(shí)驗(yàn)說明了計算效率的提高和存儲空間的節(jié)省。本文實(shí)現(xiàn)了對股票交易數(shù)據(jù)的分析研究,并針對存在的問題進(jìn)行優(yōu)化設(shè)計。提出了新的交易回測模型,通過存儲算法設(shè)計和文件讀取方式優(yōu)化提高了交易數(shù)據(jù)的存取效率,使得數(shù)據(jù)文件占用磁盤空間減少了49%,文件讀取速度提高了48.8%。并且在確保不影響數(shù)據(jù)使用效果的前提下,將5分鐘交易數(shù)據(jù)縮減了58.33%的數(shù)據(jù)量,逐筆交易數(shù)據(jù)縮減了96.6%。使得量化交易策略設(shè)計中可以有效使用細(xì)粒度交易數(shù)據(jù),添加多維度指標(biāo)判定和高頻次交易功能,提高交易點(diǎn)判定準(zhǔn)確性,降地風(fēng)險,展現(xiàn)了部分計算機(jī)技術(shù)和思想在股票數(shù)據(jù)分析和存取優(yōu)化上的應(yīng)用。
【圖文】：

handle_bar(context, bar_dict)函數(shù)是策略的核心，股票的買賣策略都在此函數(shù)中進(jìn)行編寫，當(dāng)數(shù)據(jù)有更新時會自動自動觸發(fā)調(diào)用此函數(shù)，按照策略指定的操作進(jìn)行股票的交易。after_trading(context)：在每天交易結(jié)束后被執(zhí)行，一些交易結(jié)束后的操作可以放在此函數(shù)中，比如日志記錄等，一天只會被調(diào)用一次。擬定好量化策略后，開始測試策略的有效性，，并根據(jù)測試結(jié)果對交易策略進(jìn)行修改和優(yōu)化。網(wǎng)頁版平臺直接提供了各回測參數(shù)的選擇按鈕，我們只需要直接通過鼠標(biāo)操作選擇策略回測的的時間跨度、股票數(shù)量、基準(zhǔn)合約等股票相關(guān)的參數(shù)來測試我們的策略的有效性。其中基準(zhǔn)合約是作為股票收益情況對比的參數(shù)，基準(zhǔn)合約的收益代表了市場的整體收益情況。網(wǎng)頁版回測參數(shù)選擇如圖 2-2 所示。

擬定好量化策略后，開始測試策略的有效性，并根據(jù)測試結(jié)果對交易策略進(jìn)行修改和優(yōu)化。網(wǎng)頁版平臺直接提供了各回測參數(shù)的選擇按鈕，我們只需要直接通過鼠標(biāo)操作選擇策略回測的的時間跨度、股票數(shù)量、基準(zhǔn)合約等股票相關(guān)的參數(shù)來測試我們的策略的有效性。其中基準(zhǔn)合約是作為股票收益情況對比的參數(shù)，基準(zhǔn)合約的收益代表了市場的整體收益情況。網(wǎng)頁版回測參數(shù)選擇如圖 2-2 所示。圖 2-2 回測參數(shù)選擇Fig.2-2 Parameter selection of back measurement回測結(jié)果以圖片形式展示。我們以組合投資中的格雷厄姆數(shù)字價值投資法策略回測了 2014 年 1 月 1 日至 2017 年 1 月 4 日的數(shù)據(jù)。結(jié)果如圖 2-3 所示。
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F832.51;TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 蔡軍;;如何打造自己的量化交易系統(tǒng)[J];時代金融;2013年33期

2 徐競;;基于馬爾可夫鏈的動態(tài)CPPI投資策略及實(shí)證分析[J];重慶理工大學(xué)學(xué)報(自然科學(xué));2012年04期

3 李超;張明博;邢春曉;胡勁松;;列存儲數(shù)據(jù)庫關(guān)鍵技術(shù)綜述[J];計算機(jī)科學(xué);2010年12期

4 王振璽;樂嘉錦;王梅;劉國華;;列存儲數(shù)據(jù)區(qū)級壓縮模式與壓縮策略選擇方法[J];計算機(jī)學(xué)報;2010年08期

5 黃鵬;李占山;張永剛;鞠奇;;基于列存儲數(shù)據(jù)庫的壓縮態(tài)數(shù)據(jù)訪問算法[J];吉林大學(xué)學(xué)報(理學(xué)版);2009年05期

6 秦體恒;李學(xué)相;安學(xué)慶;;稀疏矩陣存儲算法的探討[J];河南機(jī)電高等�？茖W(xué)校學(xué)報;2008年01期

7 張永杰;孫秦;;稀疏矩陣存儲技術(shù)[J];長春理工大學(xué)學(xué)報;2006年03期

8 彭志行,夏樂天;馬爾可夫鏈及其在股市分析中的應(yīng)用[J];應(yīng)用數(shù)學(xué);2004年S2期

相關(guān)碩士學(xué)位論文 前4條

1 王俊杰;量化交易在中國股市的應(yīng)用[D];南京大學(xué);2013年

2 李子睿;量化投資交易策略研究[D];天津大學(xué);2013年

3 唐思成;基于動態(tài)預(yù)解壓方法的嵌入式內(nèi)存壓縮技術(shù)及實(shí)現(xiàn)[D];湖南大學(xué);2012年

4 何成剛;馬爾科夫模型預(yù)測方法的研究及其應(yīng)用[D];安徽大學(xué);2011年

本文編號：2708662