發(fā)布時(shí)間：2021-02-03 06:47

　　量化投資作為一種通過(guò)數(shù)量統(tǒng)計(jì)、模型構(gòu)建與自動(dòng)化買(mǎi)賣(mài)來(lái)獲取穩(wěn)定收益的交易方式,在國(guó)外發(fā)展已趨于成熟,而在國(guó)內(nèi)由于制度因素以及衍生工具的限制,還未進(jìn)入到一個(gè)成熟的階段。同時(shí),機(jī)器學(xué)習(xí)的大熱對(duì)量化投資也產(chǎn)生了很大的影響,AI量化應(yīng)運(yùn)而生并引起了爭(zhēng)議與討論。因此,本文對(duì)比研究了傳統(tǒng)量化投資與AI量化投資的基本特性,旨在為量化投資決策做出指導(dǎo)。量化投資策略的關(guān)鍵在于把握市場(chǎng)基本面屬性、股票自身趨勢(shì)特征以及反轉(zhuǎn)動(dòng)量等因子特性。遵循以上關(guān)鍵理念,文章首先介紹了傳統(tǒng)量化的基本策略與評(píng)價(jià)指標(biāo);然后,將AI算法用于量化投資的策略模型,針對(duì)特征因子進(jìn)行因子分析,并將因子集合作為機(jī)器學(xué)習(xí)特征集,運(yùn)用Xgboost、StockRanker、隨機(jī)森林等學(xué)習(xí)模型訓(xùn)練歷史數(shù)據(jù),通過(guò)訓(xùn)練得到多因子選股模型;最后,通過(guò)市值策略來(lái)對(duì)比研究傳統(tǒng)量化投資與AI量化投資,并評(píng)估二者在收益指標(biāo)與風(fēng)險(xiǎn)指標(biāo)上的基本特征。最終,從研究結(jié)果來(lái)看,傳統(tǒng)量化與AI量化都是可取的策略模式,合理運(yùn)用可以獲得理想的超額收益,并且二者具有自己的投資特征,了解這些特征,有助于我們?cè)谕顿Y過(guò)程中趨利避害,減少不必要的損失。 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

詳細(xì)權(quán)益曲線示例圖

14圖 2-2 全部交易分布圖如圖，一個(gè)策略可能整體收益在零值之上，但是這種盈利是由分散的極端盈利所帶來(lái)的，這就為投資者帶來(lái)了較多的風(fēng)險(xiǎn)承受可能性。4）周期分析最后則是周期分析板塊，一般的回測(cè)都是跨幾年的結(jié)果，周期分析則可以按照不同的階段來(lái)具體分析，保證使用這個(gè)策略在較大的概率上不會(huì)出現(xiàn)某一個(gè)周期內(nèi)虧損嚴(yán)重的情況。一般分析的周期區(qū)分月周期和年周期，月周期主要考慮月平均盈利，年周期主要考慮年化收益和回撤�；讷@得穩(wěn)定收益的理念，我們更希望獲得穩(wěn)定的收益，承擔(dān)更小的風(fēng)險(xiǎn)，用這兩張圖可以更為細(xì)致地觀察這些要求是否得到了滿足。

圖2-3月平均盈利圖

【參考文獻(xiàn)】：
期刊論文
[1]基于K-MEANS算法選閾值的曲面擬合選基——在開(kāi)放式股票型基金的運(yùn)用[J]. 姚天舒,田穗.  經(jīng)貿(mào)實(shí)踐. 2018(22)
[2]ML-FFA:基于機(jī)器學(xué)習(xí)和基本面因子分析的量化投資策略[J]. 王云凱,藍(lán)金輝.  時(shí)代金融. 2018(32)
[3]淺談量化投資在期貨市場(chǎng)中的應(yīng)用[J]. 王雅琳.  知識(shí)經(jīng)濟(jì). 2018(17)
[4]機(jī)器學(xué)習(xí)方法在股指期貨預(yù)測(cè)中的應(yīng)用研究——基于BP神經(jīng)網(wǎng)絡(luò)、SVM和XGBoost的比較分析[J]. 黃卿,謝合亮.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2018(08)
[5]ML-TEA:一套基于機(jī)器學(xué)習(xí)和技術(shù)分析的量化投資算法[J]. 李斌,林彥,唐聞軒.  系統(tǒng)工程理論與實(shí)踐. 2017(05)
[6]量化投資和高頻交易:風(fēng)險(xiǎn)、挑戰(zhàn)及監(jiān)管[J]. 彭志.  南方金融. 2016(10)
[7]論量化投資對(duì)中國(guó)資本市場(chǎng)的影響[J]. 何亞莉.  現(xiàn)代商貿(mào)工業(yè). 2016(19)
[8]歷史價(jià)量信息在價(jià)格發(fā)現(xiàn)中更有效嗎?——基于中國(guó)證券市場(chǎng)的數(shù)據(jù)分析[J]. 張永冀,汪昌云,華晨.  中國(guó)管理科學(xué). 2013(S1)
[9]隨機(jī)森林模型在分類(lèi)與回歸分析中的應(yīng)用[J]. 李欣海.  應(yīng)用昆蟲(chóng)學(xué)報(bào). 2013(04)
[10]多因子投資組合選擇模型研究[J]. 王艷萍,陳志平,陳玉娜.  工程數(shù)學(xué)學(xué)報(bào). 2012(06)

博士論文
[1]量化投資：若干金融衍生品的定價(jià)模型及投資策略研究[D]. 劉帥.上海大學(xué) 2016

碩士論文
[1]基于XGBoost算法的多因子量化選股方案策劃[D]. 李想.上海師范大學(xué) 2017
[2]因子選股模型在中國(guó)市場(chǎng)的實(shí)證研究[D]. 劉毅.復(fù)旦大學(xué) 2012
[3]改進(jìn)型動(dòng)量策略的盈利性分析[D]. 郝靜軒.東北財(cái)經(jīng)大學(xué) 2006



本文編號(hào)：3016079