【摘要】：近年來,證券交易朝著多元化、復(fù)雜化、交易量巨額化等方向發(fā)展,傳統(tǒng)的人工下單方式早已不能滿足市場的需要,越來越多的投資者轉(zhuǎn)而選擇程序化交易。程序化交易自上世紀七十年代問世以來,經(jīng)過四十余年的發(fā)展,已成為國際證券市場上主要的交易方式之一。這種交易方式不但能夠為投資者提高收益,而且能加快金融市場的流動性。目前,程序化交易在國外市場的應(yīng)用已十分成熟,但在我國還相對滯后,它對于大多數(shù)投資者來說,還是比較陌生的。所以,設(shè)計適合我國投資者的程序化交易策略具有重要的現(xiàn)實意義。為了豐富和完善適合于我國股票市場的交易策略,本文立足中國A股市場行情,設(shè)計出一種新型程序化交易策略。該策略結(jié)合兩種在線交易理論:泛證券投資組合理論、K搜索算法,以及隱馬爾科夫模型HMM(Hidden Markov Model)。首先,根據(jù)泛證券投資組合策略EG(η)(Exponentiated Gradient)和K搜索(K-Search)算法設(shè)計出程序化交易策略EGK(EG(η)and K-Search)。然后,依據(jù)中國A股市場股票收益率的分布特點,發(fā)現(xiàn)A股市場尚未達到弱有效,股票價格存在序列相關(guān)性,進而對策略EG(η)進行改進,提出一種期望意義上的泛證券投資組合策略IEG(η)(Improved EG(η)),從而設(shè)計出策略IEGK(Improved EG(η)and K-Search),在量化交易研究平臺——優(yōu)礦上實現(xiàn)策略的編程及回測檢驗,結(jié)果表明策略IEGK在中國A股市場上具有穩(wěn)定的獲利能力。同時,細致討論了策略IEGK中三種參數(shù)與收益率的關(guān)系,深化了對策略IEGK適用情景的認識。最后,在對策略IEGK的參數(shù)討論時,發(fā)現(xiàn)對市場走勢的預(yù)判會顯著影響策略IEGK的收益,啟發(fā)我們進行市場狀態(tài)預(yù)判的擇時研究。進一步引入隱馬爾科夫的模式識別模型,使其對市場趨勢進行預(yù)判,指導(dǎo)策略IEGK在交易過程中的自動選取最優(yōu)參數(shù),從而設(shè)計出一種動態(tài)自適應(yīng)的程序化交易策略HMM+IEGK(Hidden Markov Model+Improved EG(η)and K-Search),實證結(jié)果表明該策略能大大提升策略IEGK的收益并降低風(fēng)險,是一種更有效的程序化交易策略。本文設(shè)計的程序化交易策略兼具理論與實踐價值,為投資者在投資決策方面提供參考,幫助提高處于弱勢地位的中小投資者的盈利能力,促進我國股市健康公平發(fā)展。
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F832.51
【圖文】：

西北大學(xué)碩士學(xué)位論文4圖 1 研究技術(shù)路線圖1.2.2 研究方法文獻研究法：通過搜集和查閱國內(nèi)外相關(guān)文獻，對程序化交易、泛證券投資組合理論、K搜索算法以及隱馬爾科夫模型的研究成果和發(fā)展現(xiàn)狀，采用文獻綜述法進行論述。

研究技術(shù)路線圖優(yōu)礦平臺主頁圖

西北大學(xué)碩士學(xué)位論文22圖 3 隱馬爾科夫模型表示圖3.3.2 隱馬爾科夫股票市場走勢預(yù)測模型的設(shè)計思想本文選取了廣發(fā)證券《基于 HMM 模型的周擇時策略研究》的研究報告2中設(shè)計的隱馬爾科夫模式識別模型作為策略 HMM+IEGK 中“股票市場走勢預(yù)測模型”部分。下面對該研究報告中設(shè)計的隱馬爾科夫股票走勢預(yù)測模型（下文簡稱“HMM 模型”）的設(shè)計思想做簡要敘述。首先，該研究報告中發(fā)現(xiàn)資金面能夠顯著影響股票市場，所以將當(dāng)日股票資金面的波動的數(shù)據(jù)作為輸入變量來預(yù)測下一日市場狀態(tài)的變動趨勢。于是，將股票市場趨勢預(yù)測模型轉(zhuǎn)化為一個隱馬爾科夫問題，以股票資金面數(shù)據(jù)作為可觀測狀態(tài)，以市場未來變動趨勢作為隱含狀態(tài)。利用樣本內(nèi)數(shù)據(jù)，對資金面數(shù)據(jù)進行提取，利用Baum-Welch 算法計算出一個收斂的轉(zhuǎn)換概率矩陣，進而確定此隱馬爾科夫股票市場走勢預(yù)測模型中的所有參數(shù)，完成模型的訓(xùn)練過程，具體過程如圖 4 所示。再利用樣本外數(shù)據(jù)，以及隱馬爾科夫股票市場走勢預(yù)測模型，利用前向-后向算法，計算出現(xiàn)概率最大的隱含狀態(tài)鏈，預(yù)測未來市場狀態(tài)，檢驗?zāi)Ｐ偷挠行裕瓿赡Ｐ偷臏y試過程，具體過程如圖 5 所示。2《基于 HMM 模型的周擇時策略研究》模式識別方法應(yīng)用系列報告一，研究員羅軍，廣發(fā)證券量化投資專題報告

【參考文獻】

相關(guān)期刊論文 前10條

1 高秋明;胡聰慧;燕翔;;中國A股市場動量效應(yīng)的特征和形成機理研究[J];財經(jīng)研究;2014年02期

2 張琳;;有間隔期的動量策略收益分析——來自中國A股周收益率數(shù)據(jù)的證據(jù)[J];東北財經(jīng)大學(xué)學(xué)報;2013年05期

3 王春峰;林碧波;朱琳;;基于股票價格差異的配對交易策略[J];北京理工大學(xué)學(xué)報(社會科學(xué)版);2013年01期

4 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

5 熊熊;袁海亮;張維;張永杰;;程序化交易及其風(fēng)險分析[J];電子科技大學(xué)學(xué)報(社科版);2011年03期

6 周健;;算法交易在國內(nèi)的運用[J];資本市場;2011年04期

7 魯臻;鄒恒甫;;中國股市的慣性與反轉(zhuǎn)效應(yīng)研究[J];經(jīng)濟研究;2007年09期

8 馬超群,張浩;中國股市價格慣性反轉(zhuǎn)與風(fēng)險補償?shù)膶嵶C研究[J];管理工程學(xué)報;2005年02期

9 楊p

本文編號：2753924