基于HMM的股指期貨交易策略及優(yōu)化研究
發(fā)布時間:2021-03-03 15:24
目前我國發(fā)展量化投資的市場條件已經(jīng)逐步成熟,量化投資交易以其成本低、業(yè)績優(yōu)的特點(diǎn)得到了迅猛發(fā)展。量化投資的核心要素是股價趨勢預(yù)測,股價變幻莫測,但會以趨勢的形式波動,趨勢一旦確立,價格將會不斷上漲或下跌,直到出現(xiàn)反轉(zhuǎn)。如何準(zhǔn)確預(yù)測股價走勢,選擇合適的預(yù)測方法針對股價制定策略成為了投資領(lǐng)域研究的熱點(diǎn)。傳統(tǒng)股價預(yù)測方法,如ARIMA、GARCH等模型,要求時間序列是平穩(wěn)的,且數(shù)據(jù)呈現(xiàn)正態(tài)分布。而股票市場常受多種隨機(jī)因素影響,數(shù)據(jù)呈現(xiàn)非穩(wěn)態(tài)特征,采用傳統(tǒng)股價預(yù)測方法建模時可能會忽略部分有效信息,使結(jié)果存在偏差。本文選擇創(chuàng)新型股價預(yù)測方法—HMM預(yù)測方法,對傳統(tǒng)預(yù)測模型要求數(shù)據(jù)穩(wěn)態(tài)進(jìn)行了改進(jìn),考慮了隨機(jī)過程對股價的影響,避免由于訓(xùn)練參數(shù)過多而導(dǎo)致模型過擬合問題,提高了模型的穩(wěn)定性,動態(tài)刻畫了價量推動過程。本文在研究背景及相關(guān)文獻(xiàn)梳理的基礎(chǔ)上,按照提出研究假設(shè)--構(gòu)建策略模擬實(shí)驗(yàn)進(jìn)行論證的思路。首先,構(gòu)建傳統(tǒng)HMM預(yù)測模型,采用滑動窗口訓(xùn)練法對訓(xùn)練集、測試集樣本進(jìn)行滾動建模,通過Baum-Welch算法連續(xù)訓(xùn)練模型直至獲取最佳參數(shù)估計,利用Viterbi算法對預(yù)測集數(shù)據(jù)進(jìn)行狀態(tài)解碼,識別歷史中與...
【文章來源】:西北大學(xué)陜西省 211工程院校
【文章頁數(shù)】:77 頁
【學(xué)位級別】:碩士
【部分圖文】:
連續(xù)小波分解的過程
圖 11 雙通道濾波過程波器和低通濾波器,高通濾波器對應(yīng)輸出為細(xì)節(jié)分量。低通濾波器輸出信號的相對近似分量。在小波分析中,近似值是大的縮細(xì)節(jié)值是小的縮放因子產(chǎn)生的系數(shù),表示不同尺度上對信號進(jìn)行分解,并且對不同蘊(yùn)含著信號的特征,高頻則給出信號的細(xì)中的應(yīng)用分三步,首先選擇一個合適的小信號分成低頻部分(近似系數(shù))和高頻部閾值去噪,選擇合適的閾值準(zhǔn)則,小于閾根據(jù)最高層的低頻部分及經(jīng)過去噪后的
(a) (b)圖 14 小波分解和去噪圖 15 小波重構(gòu)信號去噪由于具有多分辨分析的特點(diǎn),可以在分析近似系數(shù)時用低時間和高頻細(xì)節(jié)系數(shù)則采用低頻率和高時間分辨率分析。小波去噪作為一種新的時頻以聚焦到信號的任意細(xì)節(jié),在時域和頻域中進(jìn)行多變率的聯(lián)合分析,從而
【參考文獻(xiàn)】:
期刊論文
[1]隱馬爾科夫模型的改進(jìn)及其在金融預(yù)測中的應(yīng)用[J]. 徐朱佳,謝銳,劉嘉,梅玉. 工程數(shù)學(xué)學(xué)報. 2017(05)
[2]上證綜合指數(shù)波動情況研究——基于滾動窗口的馬爾科夫鏈預(yù)測模型[J]. 許偉河. 武漢金融. 2015(05)
[3]針對時間序列多步預(yù)測的聚類隱馬爾科夫模型[J]. 章登義,歐陽黜霏,吳文李. 電子學(xué)報. 2014(12)
[4]基于隱馬爾科夫模型的中國股票信息探測[J]. 黃曉彬,王春峰,房振明,熊春連. 系統(tǒng)工程理論與實(shí)踐. 2012(04)
[5]狀態(tài)轉(zhuǎn)換和中國股市的獨(dú)特特征——基于馬爾可夫狀態(tài)轉(zhuǎn)換-自回歸模型的分析[J]. 朱鈞鈞,謝識予. 上海金融. 2010(10)
[6]一種新的基于隱馬爾可夫模型的股票價格時間序列預(yù)測方法[J]. 余文利,廖建平,馬文龍. 計算機(jī)應(yīng)用與軟件. 2010(06)
[7]基于馬爾科夫切換模型的上證指數(shù)周收益率時間序列分析[J]. 嚴(yán)太華,陳明玉. 中國管理科學(xué). 2009(06)
[8]基于隱馬爾可夫模型的股票價格預(yù)測組合模型[J]. 朱嘉瑜,葉海燕,高鷹. 計算機(jī)工程與設(shè)計. 2009(21)
[9]基于機(jī)制轉(zhuǎn)換與隨機(jī)波動的我國短期利率研究[J]. 吳吉林,陶旺升. 中國管理科學(xué). 2009(03)
[10]基于馬爾科夫鏈模型的滬綜指數(shù)預(yù)測[J]. 陳增輝. 金融經(jīng)濟(jì). 2008(14)
碩士論文
[1]基于隱馬爾科夫模型的股票價格指數(shù)預(yù)測[D]. 王晨.山東大學(xué) 2018
[2]基于隱馬爾科夫模型(HMM)的股票價格預(yù)測分析[D]. 黃冉.青島大學(xué) 2015
[3]基于隱馬爾可夫鏈的證券價格模型及實(shí)證分析[D]. 龔健.復(fù)旦大學(xué) 2011
本文編號:3061500
【文章來源】:西北大學(xué)陜西省 211工程院校
【文章頁數(shù)】:77 頁
【學(xué)位級別】:碩士
【部分圖文】:
連續(xù)小波分解的過程
圖 11 雙通道濾波過程波器和低通濾波器,高通濾波器對應(yīng)輸出為細(xì)節(jié)分量。低通濾波器輸出信號的相對近似分量。在小波分析中,近似值是大的縮細(xì)節(jié)值是小的縮放因子產(chǎn)生的系數(shù),表示不同尺度上對信號進(jìn)行分解,并且對不同蘊(yùn)含著信號的特征,高頻則給出信號的細(xì)中的應(yīng)用分三步,首先選擇一個合適的小信號分成低頻部分(近似系數(shù))和高頻部閾值去噪,選擇合適的閾值準(zhǔn)則,小于閾根據(jù)最高層的低頻部分及經(jīng)過去噪后的
(a) (b)圖 14 小波分解和去噪圖 15 小波重構(gòu)信號去噪由于具有多分辨分析的特點(diǎn),可以在分析近似系數(shù)時用低時間和高頻細(xì)節(jié)系數(shù)則采用低頻率和高時間分辨率分析。小波去噪作為一種新的時頻以聚焦到信號的任意細(xì)節(jié),在時域和頻域中進(jìn)行多變率的聯(lián)合分析,從而
【參考文獻(xiàn)】:
期刊論文
[1]隱馬爾科夫模型的改進(jìn)及其在金融預(yù)測中的應(yīng)用[J]. 徐朱佳,謝銳,劉嘉,梅玉. 工程數(shù)學(xué)學(xué)報. 2017(05)
[2]上證綜合指數(shù)波動情況研究——基于滾動窗口的馬爾科夫鏈預(yù)測模型[J]. 許偉河. 武漢金融. 2015(05)
[3]針對時間序列多步預(yù)測的聚類隱馬爾科夫模型[J]. 章登義,歐陽黜霏,吳文李. 電子學(xué)報. 2014(12)
[4]基于隱馬爾科夫模型的中國股票信息探測[J]. 黃曉彬,王春峰,房振明,熊春連. 系統(tǒng)工程理論與實(shí)踐. 2012(04)
[5]狀態(tài)轉(zhuǎn)換和中國股市的獨(dú)特特征——基于馬爾可夫狀態(tài)轉(zhuǎn)換-自回歸模型的分析[J]. 朱鈞鈞,謝識予. 上海金融. 2010(10)
[6]一種新的基于隱馬爾可夫模型的股票價格時間序列預(yù)測方法[J]. 余文利,廖建平,馬文龍. 計算機(jī)應(yīng)用與軟件. 2010(06)
[7]基于馬爾科夫切換模型的上證指數(shù)周收益率時間序列分析[J]. 嚴(yán)太華,陳明玉. 中國管理科學(xué). 2009(06)
[8]基于隱馬爾可夫模型的股票價格預(yù)測組合模型[J]. 朱嘉瑜,葉海燕,高鷹. 計算機(jī)工程與設(shè)計. 2009(21)
[9]基于機(jī)制轉(zhuǎn)換與隨機(jī)波動的我國短期利率研究[J]. 吳吉林,陶旺升. 中國管理科學(xué). 2009(03)
[10]基于馬爾科夫鏈模型的滬綜指數(shù)預(yù)測[J]. 陳增輝. 金融經(jīng)濟(jì). 2008(14)
碩士論文
[1]基于隱馬爾科夫模型的股票價格指數(shù)預(yù)測[D]. 王晨.山東大學(xué) 2018
[2]基于隱馬爾科夫模型(HMM)的股票價格預(yù)測分析[D]. 黃冉.青島大學(xué) 2015
[3]基于隱馬爾可夫鏈的證券價格模型及實(shí)證分析[D]. 龔健.復(fù)旦大學(xué) 2011
本文編號:3061500
本文鏈接:http://sikaile.net/jingjilunwen/jinrongzhengquanlunwen/3061500.html
最近更新
教材專著