本文關(guān)鍵詞：基于小波變換—機(jī)器學(xué)習(xí)算法的有效投資組合構(gòu)建，，由筆耕文化傳播整理發(fā)布。

【摘要】：股票市場(chǎng),作為金融市場(chǎng)的重要組成部分,具有進(jìn)入門檻低,資產(chǎn)流動(dòng)性高等特點(diǎn),在我國(guó)實(shí)行市場(chǎng)經(jīng)濟(jì)的今天,受到了越來越多民眾的關(guān)注,成為他們的主要投資渠道。然而,與國(guó)外健全的股票市場(chǎng)相比,我國(guó)市場(chǎng)的參與者中,散戶占比較大。由于散戶可操作資金及操作方式較少,同時(shí)非理性行為較大,因此在我國(guó)股市的發(fā)展中,機(jī)構(gòu)投資者的比重應(yīng)該越來越大。機(jī)構(gòu)投資者有著從業(yè)人員素質(zhì)高、資金量大、操作方式多等優(yōu)勢(shì),但為了吸引投資者的資金,必須建立一套完善的投資組合建立方法�？傮w來說,投資組合的優(yōu)勢(shì)在于,能夠通過分散化投資以降低非系統(tǒng)風(fēng)險(xiǎn)。同時(shí),通過一套完善的選股規(guī)則,投資組合內(nèi)股票收益應(yīng)總體高于大盤指數(shù),從而獲得超額收益。因此,機(jī)構(gòu)投資者設(shè)計(jì)的投資組合必須滿足兩個(gè)特點(diǎn)：一、穩(wěn)健性——投資組合價(jià)值不能較大盤指數(shù)偏離過大,否則風(fēng)險(xiǎn)難以控制；二、收益性——投資組合不能簡(jiǎn)單地復(fù)制大盤指數(shù),還應(yīng)該獲得超額收益,這才能體現(xiàn)投資組合的價(jià)值。綜上所述,建立一個(gè)能夠保持穩(wěn)健而又能獲得超額收益的投資組合就顯得尤為重要,而要達(dá)到這個(gè)目標(biāo),就必須對(duì)股票市場(chǎng)中的歷史數(shù)據(jù)進(jìn)行分析。在現(xiàn)階段的學(xué)術(shù)界,研究者們?cè)絹碓角嗖A使用機(jī)器學(xué)習(xí)方法對(duì)金融市場(chǎng)歷史數(shù)據(jù)進(jìn)行處理、分析及預(yù)測(cè)。這是因?yàn)?機(jī)器學(xué)習(xí)方法具有自適應(yīng)性、泛化性強(qiáng),不需要數(shù)據(jù)的前提分布假設(shè)等特點(diǎn),適合于運(yùn)用在金融數(shù)據(jù)分析中。一些傳統(tǒng)的機(jī)器學(xué)習(xí)模型,如支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等,及其相關(guān)的改進(jìn)模型,被廣泛運(yùn)用在了金融時(shí)間序列分析中。然而,這些模型的不足之處在于,雖然其預(yù)測(cè)準(zhǔn)確率較高,但因?yàn)橐淮沃荒軐?duì)一個(gè)序列做分析預(yù)測(cè),因此模型效率并不高。另一方面,因?yàn)榻鹑跀?shù)據(jù)的噪聲含量較大,如果直接使用,并不能得到理想效果。雖然已有學(xué)者使用小波分析的方法對(duì)金融序列進(jìn)行分解與去噪,但他們?cè)谶\(yùn)用小波時(shí),大多借鑒了來自其運(yùn)用于工程方面的經(jīng)驗(yàn),而忽略了金融序列的特點(diǎn)和預(yù)測(cè)去噪需求。因此,本文要解決的主要問題是,為組成一個(gè)具有穩(wěn)健性、收益性的投資組合,必須建立一種在保證預(yù)測(cè)精度的前提下,預(yù)測(cè)效率更高的機(jī)器學(xué)習(xí)模型,以對(duì)大量的股票歷史數(shù)據(jù)進(jìn)行分析與預(yù)測(cè)。在此基礎(chǔ)上,針對(duì)股票序列的特點(diǎn)：包含大量噪聲,但本身具有一定的波動(dòng)性。因此,本文希望找到一個(gè)更加適用于金融序列的小波去噪方法,以在盡可能去除原始序列噪聲的情況下,保留自身含有信息的波動(dòng)。為了解決上面提出的問題,本文嘗試使用本來大量應(yīng)用于推薦系統(tǒng)的矩陣分解方法來對(duì)整個(gè)價(jià)格/收益率-時(shí)間矩陣做特征提取及預(yù)測(cè),將分析對(duì)象從向量轉(zhuǎn)化為矩陣,應(yīng)該能提升模型的效率。同時(shí),在模型輸入數(shù)據(jù)的處理方面,本文嘗試?yán)酶訙睾偷男〔ㄈピ敕椒▽?duì)原始數(shù)據(jù)進(jìn)行處理與去噪。在具體的實(shí)證分析中,本文先利用了矩陣分解的方法對(duì)原始股票序列對(duì)數(shù)收益率做出預(yù)測(cè),并根據(jù)每一持股周期的預(yù)測(cè)收益率大小排序,進(jìn)而選出股票構(gòu)建投資組合,并嘗試尋找投資組合最優(yōu)參數(shù)。其次,因?yàn)樵谏弦贿^程中投資組合的價(jià)值與收益率可能無法優(yōu)于指數(shù),因此利用小波分析的方法,對(duì)原始股票序列進(jìn)行了去噪處理。最后,利用去噪序列產(chǎn)生的對(duì)數(shù)收益率進(jìn)行預(yù)測(cè)并建立投資組合,投資組合的效果有了明顯的提升,說明矩陣分解預(yù)測(cè)方法是有效的方法,同時(shí)小波消噪技術(shù)能夠提高預(yù)測(cè)精度。通過實(shí)證分析,本文確定了全局閾值小波去噪方法為最優(yōu)去噪方法,持股周期T=20與股票數(shù)量N=20為投資組合最優(yōu)參數(shù)。同時(shí),本文的預(yù)測(cè)、去噪模型及投資組合有著以下特點(diǎn)：一、模型總體狀況良好,投資組合價(jià)值比較穩(wěn)定,組合收益在大多數(shù)時(shí)間中優(yōu)于大盤指數(shù),而發(fā)生虧損時(shí)也不會(huì)發(fā)生較大偏移。二、因?yàn)轭A(yù)測(cè)模型的優(yōu)點(diǎn)在于抓住序列的趨勢(shì),因此當(dāng)大盤指數(shù)發(fā)生大漲、大跌時(shí),投資組合效果更好,組合價(jià)值通常高于指數(shù)價(jià)值。三、全局閾值小波去噪方法比較溫和,在大盤指數(shù)波動(dòng)性較大時(shí)能良好濾去噪聲并保留有效波動(dòng)；而當(dāng)指數(shù)較平穩(wěn)時(shí),小波去噪可能對(duì)原始序列濾去了更多的有效波動(dòng),因此對(duì)提升投資組合價(jià)值的作用并不大。四、投資組合策略對(duì)趨勢(shì)變換、反轉(zhuǎn)的反應(yīng)與追蹤較慢。這可能會(huì)使投資組合錯(cuò)失指數(shù)由跌轉(zhuǎn)漲時(shí)的部分收益,但也可能規(guī)避泡沫破滅下降時(shí)的部分風(fēng)險(xiǎn)。本文的創(chuàng)新點(diǎn)在于,首先,利用了多維預(yù)測(cè)的矩陣分解技術(shù)對(duì)眾多股票的收益率-時(shí)間矩陣進(jìn)行處理,預(yù)測(cè)出各股票在下一持股周期的收益率,有效地提升了機(jī)器學(xué)習(xí)在股票市場(chǎng)預(yù)測(cè)方面的效率。其次,本文不對(duì)股票池中股票進(jìn)行選取,而僅僅將全部A股股票去除臟數(shù)據(jù)后的股票都放入股票池中,以體現(xiàn)模型的高效性。最后,本文不同于其它文獻(xiàn)中對(duì)原始序列進(jìn)行小波分解后將高頻、低頻序列同時(shí)預(yù)測(cè)的做法,而是考慮合理降低小波系數(shù)以達(dá)到去噪平滑的效果。
【關(guān)鍵詞】：投資組合建立 大盤指數(shù)追蹤 高效預(yù)測(cè)模型 矩陣分解模型 小波分解去噪
【學(xué)位授予單位】：西南財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F224;F832.51
【目錄】：

• 摘要4-7
• Abstract7-13
• 1 緒論13-25
• 1.1 研究背景與意義13-15
• 1.2 文獻(xiàn)綜述15-21
• 1.2.1 投資組合相關(guān)研究15-17
• 1.2.2 機(jī)器學(xué)習(xí)在金融預(yù)測(cè)中的相關(guān)研究17-19
• 1.2.3 小波分析方法在金融預(yù)測(cè)中的相關(guān)研究19-21
• 1.3 主要研究工作及創(chuàng)新點(diǎn)21-22
• 1.4 本文內(nèi)容安排22-25
• 1.4.1 本文主要研究?jī)?nèi)容22
• 1.4.2 各章節(jié)內(nèi)容安排22-25
• 2 模型理論探討25-34
• 2.1 推薦系統(tǒng)中的矩陣分解模型25-29
• 2.1.1 原始的矩陣分解模型25-27
• 2.1.2 改進(jìn)的矩陣分解模型27-28
• 2.1.3 將矩陣分解模型推廣于金融時(shí)間序列預(yù)測(cè)28-29
• 2.2 小波分析29-34
• 2.2.1 小波變換定義30-31
• 2.2.2 小波去噪31-34
• 3 基于原始股票價(jià)格的投資組合建立34-49
• 3.1 數(shù)據(jù)說明34
• 3.2 投資組合建立方法34-39
• 3.2.1 主要參數(shù)說明34-36
• 3.2.2 預(yù)測(cè)模型與投資組合建立思路36-37
• 3.2.3 投資組合驗(yàn)證方法與驗(yàn)證時(shí)間段選取37-39
• 3.3 基于原始股票價(jià)格序列的投資組合建立39-49
• 3.3.1 對(duì)于時(shí)間段Ⅰ中投資組合建立的嘗試39-42
• 3.3.2 對(duì)于時(shí)間段Ⅱ中投資組合建立的嘗試42-45
• 3.3.3 對(duì)于時(shí)間段Ⅲ中投資組合建立的嘗試45-47
• 3.3.4 模型探索小結(jié)47-49
• 4 股票價(jià)格序列小波去噪探究49-60
• 4.1 小波去噪理論在實(shí)證中的運(yùn)用49-50
• 4.1.1 股票價(jià)格序列小波去噪的必要性49-50
• 4.1.2 一維時(shí)間序列小波去噪的步驟與性質(zhì)50
• 4.2 小波分析用于股票價(jià)格序列去噪的效果評(píng)價(jià)方法50-52
• 4.3 小波分析用于股票價(jià)格序列去噪的運(yùn)用探索52-58
• 4.3.1 抑制細(xì)節(jié)系數(shù)去噪法介紹與運(yùn)用52-54
• 4.3.2 閾值去噪法介紹54-55
• 4.3.3 閾值去噪法運(yùn)用55-58
• 4.4 股票價(jià)格序列小波去噪方法總結(jié)58-60
• 5 基于小波去噪序列的投資組合建立60-74
• 5.1 驗(yàn)證期內(nèi)基于小波去噪股票價(jià)格的投資組合建立61-69
• 5.1.1 時(shí)間段Ⅰ中投資組合的建立61-63
• 5.1.2 時(shí)間段Ⅱ中投資組合的建立63-66
• 5.1.3 時(shí)間段Ⅲ中投資組合的建立66-68
• 5.1.4 驗(yàn)證期內(nèi)基于小波去噪股票價(jià)格序列投資組合建立小結(jié)68-69
• 5.2 全時(shí)間段內(nèi)最優(yōu)參數(shù)投資組合建立69-74
• 5.2.1 全時(shí)間段內(nèi)最優(yōu)參數(shù)投資組合建立初探69-71
• 5.2.2 全時(shí)間段內(nèi)最優(yōu)投資組合的評(píng)價(jià)71-72
• 5.2.3 全時(shí)間段內(nèi)最優(yōu)投資組合建立小結(jié)72-74
• 6 總結(jié)與展望74-77
• 6.1 文章總結(jié)74-75
• 6.1.1 文章工作內(nèi)容總結(jié)74-75
• 6.1.2 文章實(shí)證研究結(jié)果總結(jié)75
• 6.2 模型改進(jìn)方向75-77
• 參考文獻(xiàn)77-81
• 附錄81-97
• 致謝97

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 翁晟;;指基悄然漲價(jià)[J];大眾理財(cái)顧問;2010年04期

2 高子劍;胡卓文;;多方虛心 不是信心[J];股市動(dòng)態(tài)分析;2010年44期

3 臥龍;;超級(jí)大盤指數(shù)未來的命運(yùn)[J];股市動(dòng)態(tài)分析;2013年27期

4 鄧亮;;2900點(diǎn)“牛尾巴”值得一啃[J];股市動(dòng)態(tài)分析;2010年06期

5 劉建林;楊揚(yáng);;波浪數(shù)決定勝負(fù)[J];新經(jīng)濟(jì);2011年05期

6 李滄;;你的“心態(tài)”練成了嗎?[J];科學(xué)生活;2008年05期

7 趙迪;;超大盤指數(shù):搭乘指數(shù)基金順風(fēng)車的投資組合[J];股市動(dòng)態(tài)分析;2009年31期

8 葉弘;;“龜市”守望[J];金融博覽(財(cái)富);2011年05期

9 茍瑩;孫英雋;;我國(guó)分級(jí)基金價(jià)格、凈值和大盤指數(shù)的實(shí)證分析[J];中國(guó)集體經(jīng)濟(jì);2013年15期

10 胡飛雪;;不必問大盤指數(shù)會(huì)漲到什么點(diǎn)位[J];股市動(dòng)態(tài)分析;2013年42期

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 記者 周科競(jìng);上交所推出超大盤指數(shù)[N];北京商報(bào);2009年

2 周松林;上證超級(jí)大盤指數(shù)23日發(fā)布[N];中國(guó)證券報(bào);2009年

3 李晶;藍(lán)籌股標(biāo)桿：上證超級(jí)大盤指數(shù)23日發(fā)布[N];第一財(cái)經(jīng)日?qǐng)?bào);2009年

4 記者 張東風(fēng);中藥材行業(yè)大盤指數(shù)首次發(fā)布[N];中國(guó)中醫(yī)藥報(bào);2010年

5 阿琪;大盤指數(shù)“俯臥撐” 主題投資“折返跑”[N];上海證券報(bào);2013年

6 吳蔚;軟件生產(chǎn)力欲制定“大盤指數(shù)”[N];中國(guó)計(jì)算機(jī)報(bào);2007年

7 高端私人醫(yī)生服務(wù)機(jī)構(gòu)頤年康盛創(chuàng)始人 宋海峰;托住世界杯健康指數(shù)[N];中國(guó)經(jīng)營(yíng)報(bào);2010年

8 證券時(shí)報(bào)記者 方麗;保險(xiǎn)大舉買入大盤指數(shù)基金[N];證券時(shí)報(bào);2010年

9 記者 潘圣韜;3月A股刮起“價(jià)值”風(fēng) 大盤指數(shù)大幅領(lǐng)跑[N];上海證券報(bào);2011年

10 本報(bào)記者 屈紅燕;化工行業(yè)明年上半年將超越大盤指數(shù)[N];上海證券報(bào);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 劉俊鋒;基于小波變換—機(jī)器學(xué)習(xí)算法的有效投資組合構(gòu)建[D];西南財(cái)經(jīng)大學(xué);2016年

2 韓非;我國(guó)ETF績(jī)效評(píng)價(jià)實(shí)證分析[D];西南財(cái)經(jīng)大學(xué);2012年

  本文關(guān)鍵詞：基于小波變換—機(jī)器學(xué)習(xí)算法的有效投資組合構(gòu)建，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：276535