隨著我國金融市場的不斷完善,量化投資在我國的發(fā)展也越來越快,量化投資基金也越來越多。而量化多因子選股模型因?yàn)槠滹L(fēng)險(xiǎn)可控性好、策略容量大、超額收益穩(wěn)定等特點(diǎn)一直在量化投資領(lǐng)域扮演重要的角色�；谝蜃优c收益率之間存在近似線性關(guān)系假定的多因子選股模型,大多采取多空組合的方式獲取穩(wěn)定的超額收益。但是在我國做空手段匱乏、成本較高,而且近似線性關(guān)系也難以保證篩選出高收益率組合的股票正確率。因此,傳統(tǒng)的多因子選股模型如何在我國市場構(gòu)建穩(wěn)定收益的投資組合存在較大的問題。而神經(jīng)網(wǎng)絡(luò)技術(shù)作為機(jī)器學(xué)習(xí)中分類器的算法模型,具有非線性擬合、自適應(yīng)強(qiáng)、普適性好的優(yōu)點(diǎn),可以很好地適應(yīng)金融市場中噪聲大、數(shù)據(jù)多、因子與收益率關(guān)系不局限于線性的情況,從而使得通過神經(jīng)網(wǎng)絡(luò)算法改善多因子選股模型成為可能。本文首先對傳統(tǒng)多因子選股模型的實(shí)證與缺陷進(jìn)行分析,確定模型的主要評價(jià)方式為篩選出高收益組的正確率與收益率。然后使用神經(jīng)網(wǎng)絡(luò)模型對市盈率單因子和相對價(jià)值多因子進(jìn)行分析,確定神經(jīng)網(wǎng)絡(luò)模型具體訓(xùn)練流程、迭代訓(xùn)練函數(shù)與模型可行性。最后通過分類篩選、二次整合的方式優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的全股策略。結(jié)果表明,通過神經(jīng)網(wǎng)絡(luò)模型可以有效提高因子數(shù)... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【部分圖文】：

本文的研究框架

- = ( ) = 2 2（3-6）3.1.2 BP 神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)是通過不同的層次架構(gòu)將神經(jīng)元進(jìn)行連接運(yùn)算，從而讓完成各類復(fù)雜的分類與擬合任務(wù)。神經(jīng)網(wǎng)絡(luò)的架構(gòu)按照連接方式的不同可以分為層次性網(wǎng)絡(luò)和互通型網(wǎng)絡(luò)兩種結(jié)構(gòu)。在本次論文中選擇前饋型多層次的神經(jīng)網(wǎng)絡(luò)：BP 網(wǎng)絡(luò)進(jìn)行模型的設(shè)計(jì)。BP（BackPropagation）神經(jīng)網(wǎng)絡(luò)具有普適性、自適應(yīng)、泛化等優(yōu)勢，可以通過中間層的設(shè)計(jì)逼近任意的非線性函數(shù)，并且通過對帶有標(biāo)簽的實(shí)例數(shù)據(jù)提取相應(yīng)規(guī)則，可以很好對數(shù)據(jù)中噪聲數(shù)據(jù)進(jìn)行處理，從而較好的應(yīng)對生活中的復(fù)雜問題。圖 3-1 為 BP 神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)架構(gòu)圖，輸入向量為X = ( ) ,隱含層向量為Y = ( ) ，輸出層輸出向量為O = ( ) ，原始目標(biāo)輸出向量為 = ( ) 。且將輸入層與隱含層之間的鏈接權(quán)重矩陣定為 V，隱含層到輸出層之間的權(quán)重矩陣定為 W。

Scaled Conjugate Gradient，簡ation，簡稱 RP）[28]三種迭代下優(yōu)化的目的。簡單迭代中朝最優(yōu)方向曲折前法的弱點(diǎn)進(jìn)行仔細(xì)研究，從圖方向進(jìn)行迭代[39]，所以會(huì)產(chǎn)生在共軛梯度法中，我們會(huì)找到方向，即他不會(huì)撤銷該方向上。 在極小值處，線搜索停止最速下降算法中，下一個(gè)迭代會(huì)保持前一搜索方向上的最小方向共軛的搜索方向，即它不會(huì)搜索方向?yàn)椋?= ( )

【參考文獻(xiàn)】：
期刊論文
[1]基于優(yōu)化Adaboost迭代過程的SVM集成算法[J]. 田一明,陳偉,單新穎.  無線互聯(lián)科技. 2017(15)
[2]基于Alpha策略的量化投資研究[J]. 楊喻欽.  中國市場. 2015(25)
[3]中國股市存在Alpha嗎?——基于2014年中小盤股的實(shí)證研究[J]. 張欣.  商. 2015(14)
[4]中國A股上市公司股票業(yè)績評價(jià)——試用主成分和因子分析法分析[J]. 張舉.  遼寧經(jīng)濟(jì). 2015(03)
[5]基于小波分析與神經(jīng)網(wǎng)絡(luò)時(shí)間序列的股票預(yù)測方法[J]. 王剛,許曉兵.  金融經(jīng)濟(jì). 2013(12)
[6]核主成分遺傳算法與SVR選股模型改進(jìn)[J]. 蘇治,傅曉媛.  統(tǒng)計(jì)研究. 2013(05)
[7]基于BP神經(jīng)網(wǎng)絡(luò)的股價(jià)趨勢分析[J]. 許興軍,顏鋼鋒.  浙江金融. 2011(11)
[8]FF三因子模型在上海A股市場實(shí)證分析[J]. 吳強(qiáng).  金融經(jīng)濟(jì). 2011(12)
[9]基于自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)[J]. 李輝,蔡敏,陳斌.  信息化研究. 2010(09)
[10]基于BP神經(jīng)網(wǎng)絡(luò)智能交易系統(tǒng)的設(shè)計(jì)[J]. 賈國芳.  微計(jì)算機(jī)應(yīng)用. 2007(11)

碩士論文
[1]因子選股模型在中國市場的實(shí)證研究[D]. 劉毅.復(fù)旦大學(xué) 2012
[2]證券投資組合選股與優(yōu)化策略應(yīng)用研究[D]. 馬輝.東華大學(xué) 2012
[3]滬深300股指期貨Alpha套利策略研究[D]. 龔笑.華中科技大學(xué) 2011
[4]多因子定價(jià)模型理論及在中國股票市場的檢驗(yàn)[D]. 王小龍.武漢大學(xué) 2005



本文編號(hào)：3344612