比特幣自發(fā)明之日起,因其不通過(guò)政府集中發(fā)行、而依靠計(jì)算機(jī)網(wǎng)絡(luò)節(jié)點(diǎn)生成具有去中心化的特點(diǎn),獲得國(guó)家層面及大量研究者、投資者的關(guān)注。同時(shí)隨著比特幣應(yīng)用場(chǎng)景不斷發(fā)展,逐漸開創(chuàng)了一個(gè)新興的投資市場(chǎng),帶來(lái)了全球每日數(shù)百億的資金交易。作為虛擬數(shù)字貨幣的典型代表,比特幣正在快速進(jìn)入全世界投資者的視野,截止2019年1月,全球最大數(shù)字貨幣交易平臺(tái)之一的幣安網(wǎng)每日成交量已達(dá)到30億人民幣。相較于傳統(tǒng)市場(chǎng),比特幣市場(chǎng)特有的24小時(shí)無(wú)休市制度、“t+0”交易規(guī)則、同品種多市場(chǎng)的天然優(yōu)勢(shì)以及高波動(dòng)率等特點(diǎn),吸引了大量的采用量化交易手段的開發(fā)者與投資者入局,尤其是在傳統(tǒng)交易市場(chǎng)針對(duì)股票、期貨、股指等標(biāo)的做量化交易的開發(fā)者紛紛入局,希望能夠在新興市場(chǎng)分一杯羹。本文主要根據(jù)數(shù)字貨幣交易市場(chǎng)的特點(diǎn),研究比特幣市場(chǎng)現(xiàn)狀及交易風(fēng)險(xiǎn)。同時(shí)查閱并學(xué)習(xí)相關(guān)傳統(tǒng)金融市場(chǎng)的量化交易模型,自主建立未來(lái)收益預(yù)測(cè)模型,實(shí)測(cè)并總結(jié)出有較高收益率的量化投資策略。本文利用實(shí)際數(shù)據(jù)篩選因子構(gòu)造多因子數(shù)字貨幣選擇模型并將選擇的因子對(duì)數(shù)字貨幣收益率做聯(lián)合回歸,剔除在聯(lián)合回歸中不顯著的因子,同時(shí)通過(guò)多組實(shí)際效果圖得出最佳預(yù)測(cè)因子。主要成果是:本文在數(shù)字貨幣市場(chǎng)中共測(cè)試了四十多個(gè)不同類型的股票市場(chǎng)常用因子,經(jīng)過(guò)單因子回歸和多因子回歸篩選出其中16個(gè)因子構(gòu)建交易策略。從交易策略收益情況可以看出,該16個(gè)因子在數(shù)字貨幣市場(chǎng)上都是有效的,其中表現(xiàn)最好的是BOP和ROC兩因子。本文最終得出所采用的多因子策略是有效的,從交易策略模擬收益情況來(lái)看,可以借鑒股票市場(chǎng)中的多因子選股模型從而建立適用于數(shù)字貨幣市場(chǎng)中的多因子模型,建立一個(gè)基于數(shù)字貨幣市場(chǎng)的多因子數(shù)字貨幣模型。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：F49;F821;F831.5
【部分圖文】：

?電子科技太學(xué)碩士學(xué)位論文???一方面數(shù)字貨幣市場(chǎng)天然適合量化投資的特點(diǎn)也吸引了大量的量化交易開發(fā)者參??與《茵內(nèi)的投資者主要交易的Ａ股市場(chǎng)，因其有交易限時(shí)、漲跌停限制等特性，??無(wú)法使量化投資發(fā)揮出其全部的作用。而數(shù)字貨幣交易市場(chǎng)，因其特有的全天候??２４小時(shí)交易制度、“Ｔ＋０”交易規(guī)則以及同品種多市場(chǎng)等特點(diǎn)，與量化投資這￣利用??計(jì)算機(jī)、大數(shù)據(jù)的交易方式契合。??

首先需要思考的一個(gè)問(wèn)題是關(guān)于股票多因子與數(shù)字貨幣多因子模型在構(gòu)造時(shí)??的可比性，考慮到股票市場(chǎng)中囡子可選定的范圍本身是非常廣泛的，在傳統(tǒng)的多??子選定過(guò)程中不僅會(huì)使甩基本面相關(guān)（估值、現(xiàn)金流、盈利能力等）的指標(biāo)，??時(shí)還會(huì)選擇技術(shù)類因子（動(dòng)量指標(biāo)．、趨勢(shì)指標(biāo)等）指但是５將這些指標(biāo)類??至數(shù)字貨幣市場(chǎng)時(shí)，發(fā)現(xiàn)由于數(shù)字貨幣市場(chǎng)各幣種具備不對(duì)外披露的特性，導(dǎo)??了基本面相關(guān)信息過(guò)少，甚至在數(shù)據(jù)上會(huì)有較大誤差，因此本文認(rèn)為在數(shù)字貨??市場(chǎng)中所選定的因子應(yīng)當(dāng)主要以技術(shù)類因子為主。同時(shí)由于數(shù)字貨幣市場(chǎng)具有??強(qiáng)波動(dòng)性的特點(diǎn)（以下文選取的幣種為例，幣種平均波動(dòng)率高于８０％），給量化??供了較好的套利機(jī)會(huì)，本文所選定的囡子均為技術(shù)類因子，一共有８類，其中??Ｉ暈義標(biāo)．、暈價(jià)指標(biāo)、趨向指標(biāo)、擺動(dòng)指標(biāo)、成交量指標(biāo)、反趨向指標(biāo)、強(qiáng)弱指??及其他類的指標(biāo)都包括在內(nèi)，例如：趨向指標(biāo)包含：ＡＣＤ、ＢＢＩ、ＢＩＡＳ等因子；??趨向指標(biāo)包含：ＣＣＩ、ＫＤＪ等因子；能量指標(biāo)包含：ＡＲＢＲ、ＣＲ、ＶＲ因子等；??交暈指標(biāo)包含：ＰＳＹ、ＶＯＳＣ、ＶＳＴＤ等因子。??結(jié)合目前有關(guān)多因子量化模型應(yīng)用于數(shù)字貨幣市場(chǎng)研究較少的情況，本文嘗??構(gòu)建以技術(shù)類因子作為指標(biāo)的數(shù)字貨幣市場(chǎng)多因子．暈化模型６??

ＢＯＰ囡子，為虛擬幣ｉ在Ｃｔ－１）時(shí)亥Ｉ」的Ｒ０Ｃ６囡子。而和１１“分別為截距??項(xiàng)和儀差項(xiàng)。??觀察２因子測(cè)試結(jié)果（圖４－２－圖４－５）：?２因子策略的單日年化收益率從－０．５％??到２％不等，其累計(jì)收益曲線持續(xù)攀升，表現(xiàn)為一條斜向上的曲線。連續(xù)４８?jìng)�(gè)區(qū)??間里的最大兩撤接近－６％，同期夏普比率均值接近２，表現(xiàn)較理想，回撤風(fēng)險(xiǎn)可控，??風(fēng)險(xiǎn)回報(bào)比尚可。??３１??
【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 阮素梅;于寧;;證券投資基金收益概率密度預(yù)測(cè)——基于神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸模型[J];華東經(jīng)濟(jì)管理;2015年02期

2 高玉明;張仁津;;基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的房?jī)r(jià)預(yù)測(cè)分析[J];計(jì)算機(jī)工程;2014年04期

3 李鈞;龔明;毛世行;高航;;數(shù)字貨幣:比特幣數(shù)據(jù)報(bào)告與操作指南[J];中國(guó)科技信息;2014年Z1期

4 郭帝;;比特幣發(fā)展前景的研究[J];中國(guó)證券期貨;2013年07期

5 張靖;;量化投資之多模型應(yīng)用[J];股市動(dòng)態(tài)分析;2013年32期

6 洪蜀寧;;比特幣:一種新型貨幣對(duì)金融體系的挑戰(zhàn)[J];中國(guó)信用卡;2011年10期

相關(guān)碩士學(xué)位論文 前5條

1 潘磊;Fama-French五因子模型在A股市場(chǎng)有效性的比較研究[D];浙江財(cái)經(jīng)大學(xué);2019年

2 郭磊;截面型多因子量化模型在滬深300指數(shù)的投資應(yīng)用研究[D];北京交通大學(xué);2017年

3 劉超亞;比特幣投資市場(chǎng)研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2016年

4 曹義;多因子量化投資管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];湖南大學(xué);2014年

5 凌清;比特幣的技術(shù)原理與經(jīng)濟(jì)學(xué)分析[D];復(fù)旦大學(xué);2014年

本文編號(hào)：2873100