發(fā)布時間：2018-02-26 00:16

  本文關鍵詞： 高頻交易 統(tǒng)計套利 配對交易 協(xié)整套利 BP模型　出處：《復旦大學》2014年碩士論文　論文類型：學位論文

【摘要】：數(shù)量化金融理論的發(fā)展,極大的刺激和體現(xiàn)了信息技術在金融領域日益卓越的重要性。不管是基于事務性的數(shù)據(jù)存儲處理還是基于交易性的訂單和風險管理,巨大的數(shù)據(jù)存儲的需求和對時間實時性的要求,計算機都扮演了極其重要和不可替代的角色。高頻交易出現(xiàn)及其核心是從金融高頻序列數(shù)理模式轉(zhuǎn)換過來的策略自適應算法,依靠金融市場交易信息的滴答數(shù)據(jù)不斷輸入,通過概率先驗判斷及其他數(shù)理統(tǒng)計模型的推理和復雜數(shù)學公式一起組成相應的計算機量化模型模式進行金融市場未來走勢的概率性判斷。統(tǒng)計套利的出現(xiàn)則提供了根據(jù)這種概率先驗判斷和數(shù)理統(tǒng)計模型的理論依據(jù)來進行走勢判斷的可能性。它利用在市場行情數(shù)據(jù)中尋找統(tǒng)計學上一定置信區(qū)間下可信的交易,用承擔較少和可控的風險來獲得較大收益。本文主要用具體的實例對統(tǒng)計套利和高頻交易結(jié)合交易進行具體數(shù)據(jù)的研究和論證,側(cè)重于中國證券市場的具體股票案例。根據(jù)相關的理論依據(jù)對統(tǒng)計套利和其在高頻交易下的案例以及數(shù)據(jù)挖掘下進行全面的介紹、研究和績效評估。全文的主要部分的相關內(nèi)容：引言主要簡單介紹此論文的研究目的、選題意義、文獻綜述、研究方法和創(chuàng)新之處。第一章主要介紹金融交易的相關理論,包括交易的撮合形式,交易的策略分類和交易頻率的類別。第二章開始介紹統(tǒng)計套利的理論和策略,包括其理論知識,符合統(tǒng)計套利的先決條件和其相關傳統(tǒng)套利模型。從簡單的配對交易開始,到稍微復雜的均值回歸模型,多因子模型和協(xié)整套利模型等。最后發(fā)展到基于數(shù)據(jù)挖掘技術理論和應用包括神經(jīng)網(wǎng)絡、遺傳算法和混沌時間序列在內(nèi)的統(tǒng)計套利的分析和研究。第三章進行統(tǒng)計套利的實證分析,這是本文的核心部分。選取相應的中國證券市場的股票案例對配對模型和協(xié)整模型的統(tǒng)計套利進行實例性的論證分析和研究,并進一步研究協(xié)整模型的統(tǒng)計套利在高頻交易下的實例分析,最后論證數(shù)據(jù)挖掘中BP模型的案例驗證。末章進行關于高頻統(tǒng)計套利自動化交易平臺結(jié)構介紹和模型測試,對其進行績效評估方法的研究及展望,并結(jié)合資本市場上實際發(fā)生的光大證券烏龍指事件進行分析和闡述。
[Abstract]:The development of quantitative financial theory has greatly stimulated and demonstrated the increasing importance of information technology in the financial field, whether it is based on transactional data storage processing or transactional order and risk management. Because of the huge demand of data storage and the requirement of real-time time, computer plays an important and irreplaceable role. The emergence of high-frequency trading and its core is a self-adaptive strategy algorithm, which is transformed from the mathematical mode of financial high-frequency sequence. Ticking data, which rely on financial market transaction information, The probabilistic judgment of the future trend of the financial market is carried out through probabilistic priori judgment and the reasoning of other mathematical statistical models and the complex mathematical formula. The appearance of statistical arbitrage provides the basis for the probability judgment of the future trend of the financial market. The possibility of judging the trend according to the theoretical basis of the probabilistic priori judgment and the mathematical statistical model is given. It uses the market price data to find credible transactions with a statistical confidence interval. This paper mainly uses the concrete examples to study and prove the specific data of statistical arbitrage and high-frequency trading. Focusing on the specific stock cases in China's securities market. According to the relevant theoretical basis to carry on the comprehensive introduction to the statistical arbitrage and its cases under high-frequency trading and data mining. Research and performance evaluation. The main part of the full text related content: the introduction mainly introduces the purpose of this paper, the significance of the topic, literature review, research methods and innovations. The first chapter mainly introduces the relevant theories of financial transactions. The second chapter introduces the theory and strategy of statistical arbitrage, including its theoretical knowledge. Consistent with the prerequisites for statistical arbitrage and its associated traditional arbitrage models. From simple pairing transactions to slightly more complex mean regression models, Finally, based on the theory and application of data mining technology, including neural network, The analysis and research of statistical arbitrage including genetic algorithm and chaotic time series. This is the core of this paper. Select the corresponding stock case of Chinese stock market to analyze and study the statistical arbitrage of pairing model and cointegration model. And further study the statistical arbitrage of cointegration model in high-frequency trading case analysis, and finally demonstrate the data mining BP model case verification. The last chapter introduces the structure of high-frequency statistical arbitrage automated trading platform and model testing. The research and prospect of its performance evaluation method, and the analysis and exposition of the Oolong finger event of Everbright Securities in the capital market.
【學位授予單位】：復旦大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：F832.51

【相似文獻】

相關期刊論文 前10條

1 韓海萌;信息時代的指南針——數(shù)據(jù)挖掘[J];江蘇統(tǒng)計;2002年05期

2 韓雙霞;李萍;;數(shù)據(jù)挖掘:構筑企業(yè)競爭優(yōu)勢[J];金卡工程;2002年08期

3 李菁菁,邵培基,黃亦瀟;數(shù)據(jù)挖掘在中國的現(xiàn)狀和發(fā)展研究[J];管理工程學報;2004年03期

4 ;中國科學院數(shù)據(jù)挖掘與知識管理學術研討會在京舉行[J];管理評論;2004年07期

5 李峰;數(shù)據(jù)挖掘在企業(yè)中的應用[J];商場現(xiàn)代化;2004年15期

6 魏瑜,陸靜;數(shù)據(jù)挖掘與統(tǒng)計學的關系淺析[J];沿海企業(yè)與科技;2005年09期

7 羅錦珠;數(shù)據(jù)挖掘與知識管理的結(jié)合應用[J];技術經(jīng)濟;2005年10期

8 袁衛(wèi),林楨順,謝邦昌;工業(yè)領域的數(shù)據(jù)挖掘——改善流程,提高效率[J];中國統(tǒng)計;2005年04期

9 王琳;;統(tǒng)計學方法在數(shù)據(jù)挖掘中的應用[J];當代經(jīng)理人;2006年02期

10 劉曉華;;數(shù)據(jù)挖掘在商業(yè)中的應用[J];商場現(xiàn)代化;2006年34期

相關會議論文 前10條

1 史東輝;蔡慶生;張春陽;;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2000年

2 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應用[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術年會（CSAE 2009）論文集[C];2009年

3 魏順平;;教育數(shù)據(jù)挖掘:現(xiàn)狀與趨勢[A];信息化、工業(yè)化融合與服務創(chuàng)新——第十三屆計算機模擬與信息技術學術會議論文集[C];2011年

4 關清平;沉培輝;;概率網(wǎng)絡在數(shù)據(jù)挖掘上的應用[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學術年會論文集[C];2004年

5 丁瑾;;基于Web數(shù)據(jù)挖掘的綜述[A];山西省科學技術情報學會學術年會論文集[C];2004年

6 聶茹;田森平;;Web數(shù)據(jù)挖掘及其在電子商務中的應用[A];中南六�。▍^(qū)）自動化學會第24屆學術年會會議論文集[C];2006年

7 李菊;王軍;;數(shù)據(jù)挖掘在客戶關系管理的應用[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

8 肖陽;李啟賢;;數(shù)據(jù)挖掘在中國鋼鐵行業(yè)中的應用[A];中國計量協(xié)會冶金分會2012年會暨能源計量與節(jié)能降耗經(jīng)驗交流會論文集[C];2012年

9 楊磊;王貴成;汪勇;張占勝;;SQL Server 2005在數(shù)據(jù)挖掘中的應用[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

10 謝中;邱玉輝;;面向商務網(wǎng)站有效性的數(shù)據(jù)挖掘方法[A];第十八屆全國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2001年

相關重要報紙文章 前10條

1 本報記者褚寧;數(shù)據(jù)挖掘如“挖金”[N];解放日報;2002年

2 周蓉蓉;數(shù)據(jù)挖掘需要點想像力[N];計算機世界;2004年

3 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學計算機科學與技術學院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

4 《網(wǎng)絡世界》記者 王瑩;數(shù)據(jù)挖掘保險業(yè)的新藍海[N];網(wǎng)絡世界;2012年

5 劉俊麗;基于地理化的網(wǎng)絡數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

6 本報記者 連曉東;數(shù)據(jù)挖掘：金融信息化新熱點[N];中國電子報;2002年

7 本報記者 鳳小華 朱仁康;“數(shù)字挖掘軟件”引領中國信息化新浪潮[N];中國電子報;2003年

8 本報記者　史延廷;“成功企業(yè)數(shù)據(jù)挖掘暨數(shù)量化管理論壇”在京舉辦[N];中國旅游報;2002年

9 朱小寧;數(shù)據(jù)挖掘：信息化戰(zhàn)爭的基礎工程[N];解放軍報;2005年

10 本報記者 王小平;從“大集中”走向數(shù)據(jù)挖掘[N];金融時報;2002年

相關博士學位論文 前10條

1 于自強;海量流數(shù)據(jù)挖掘相關問題研究[D];山東大學;2015年

2 張馨;全基因組SNP芯片應用于CNV和L0H分析的軟件比對與數(shù)據(jù)挖掘[D];復旦大學;2011年

3 彭計紅;基于數(shù)據(jù)挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學;2015年

4 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術研究[D];復旦大學;2013年

5 鄔文帥;基于多目標決策的數(shù)據(jù)挖掘方法評估與應用[D];電子科技大學;2015年

6 李榮;生物信息數(shù)據(jù)挖掘若干關鍵問題研究與應用[D];復旦大學;2004年

7 李玉華;面向服務的數(shù)據(jù)挖掘關鍵技術研究[D];華中科技大學;2006年

8 吳少智;時間序列數(shù)據(jù)挖掘在生物醫(yī)學中的應用研究[D];電子科技大學;2010年

9 王珊珊;知識指導下的數(shù)據(jù)挖掘在新聞和金融工具之間因果關系上的應用[D];中國科學技術大學;2009年

10 楊虎;序列數(shù)據(jù)挖掘的模型和算法研究[D];重慶大學;2003年

相關碩士學位論文 前10條

1 林仁紅;基于數(shù)據(jù)挖掘的機遇識別與評價研究[D];首都經(jīng)濟貿(mào)易大學;2007年

2 張彥俊;游戲運營中的數(shù)據(jù)挖掘[D];復旦大學;2011年

3 焦亞召;基于多核函數(shù)FCM算法在數(shù)據(jù)挖掘聚類中的應用研究[D];昆明理工大學;2015年

4 王杰鋒;物聯(lián)網(wǎng)能耗數(shù)據(jù)智能分析及其應用平臺設計[D];江南大學;2015年

5 劉學建;數(shù)據(jù)挖掘在電子商務推薦系統(tǒng)中的應用研究[D];昆明理工大學;2015年

6 戴陽陽;基于數(shù)據(jù)挖掘的金融時間序列預測研究與應用[D];江南大學;2015年

7 石思優(yōu);基于主題模型的醫(yī)療數(shù)據(jù)挖掘研究[D];廣東技術師范學院;2015年

8 陳丹;移動互聯(lián)網(wǎng)信令挖掘?qū)崿F(xiàn)智慧營銷的設計與實現(xiàn)應用研究[D];華南理工大學;2015年

9 陳思;基于數(shù)據(jù)挖掘的大學生客戶識別模型的研究[D];昆明理工大學;2015年

10 位長帥;基于客戶數(shù)據(jù)挖掘的電信客戶關系管理研究[D];西南交通大學;2015年

，

本文編號：1535746