近年來,監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)先后應(yīng)用到股票量化投資的研究上,使用這類深度學(xué)習(xí)技術(shù)實現(xiàn)海量數(shù)據(jù)分析,使得量化投資從單純的CTA/alpha等策略逐漸過渡到人工智能實現(xiàn)的交易策略。人工智能應(yīng)用于量化投資取得成績的同時也存在諸多問題,主要體現(xiàn)在:1.過多地將關(guān)注點放在了模型結(jié)構(gòu)和算法層面,投資行為因素分析不夠;2.過度依賴于網(wǎng)絡(luò)的特征提取能力,缺少對市場規(guī)律先驗知識的應(yīng)用;3.大多數(shù)策略模型缺少針對交易行為的風(fēng)險控制,單純的買賣操作容易導(dǎo)致嚴重風(fēng)險。針對目前存在的這些問題,本文從金融投資策略形成的思維邏輯出發(fā),采用多源驅(qū)動的方法進行分析,將股指買賣操作這一大任務(wù)分解為相互關(guān)聯(lián)、依次遞進的分層策略問題。依次由趨勢預(yù)判、特征選取、操作決策三個層面入手,對每部分進行深入研究,根據(jù)三個層面各自的任務(wù)搭建組成模塊,并逐個進行思想策劃、數(shù)據(jù)算法和操作流程等方面的分析與設(shè)計,最終搭建了深度分層策略下的多源驅(qū)動量化投資模型。其中指數(shù)趨勢預(yù)判模塊基于WGAN（Wasserstein Generative Adversarial Networks）原理和價格時序分布特性,構(gòu)建了具有回歸約束的RC（Regressi... 

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究目的與內(nèi)容
        1.3.1 研究目的
        1.3.2 研究內(nèi)容
    1.4 本文框架與結(jié)構(gòu)
第二章 人工智能與量化投資理論基礎(chǔ)
    2.1 深度學(xué)習(xí)基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)CNN
        2.1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)RNN
    2.2 生成對抗網(wǎng)絡(luò)GAN
        2.2.1 生成對抗網(wǎng)絡(luò)概述
        2.2.2 Wasserstein GAN算法
    2.3 深度強化學(xué)習(xí)DRL
        2.3.1 深度強化學(xué)習(xí)概述
        2.3.2 深度確定性策略梯度DDPG算法
    2.4 金融序列與量化分析
        2.4.1 金融時間序列分析
        2.4.2 技術(shù)面量化分析
        2.4.3 基本面量化分析
    2.5 行為金融學(xué)與投資策略
        2.5.1 行為金融學(xué)基礎(chǔ)理論
        2.5.2 行為金融學(xué)投資行為模型
        2.5.3 量化投資決策
    2.6 本章小結(jié)
第三章 深度分層策略下的多源驅(qū)動量化投資模型的設(shè)計
    3.1 模型總體架構(gòu)設(shè)計
    3.2 指數(shù)趨勢預(yù)判模塊
        3.2.1 模塊結(jié)構(gòu)設(shè)計
        3.2.2 RC-WGAN算法
    3.3 多源特征提取模塊
        3.3.1 多源特征因子設(shè)定
        3.3.2 外圍環(huán)境因子的ζ參數(shù)計算
    3.4 倉位調(diào)整決策模塊
        3.4.1 強化學(xué)習(xí)環(huán)境與規(guī)則設(shè)定
        3.4.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    3.5 本章小結(jié)
第四章 實驗結(jié)果與分析
    4.1 實驗數(shù)據(jù)集
    4.2 指數(shù)趨勢預(yù)判模塊
    4.3 多源特征提取模塊
    4.4 倉位調(diào)整策略模塊
    4.5 深度分層量化投資決策模型
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
攻讀碩士期間發(fā)表的論文和取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]2019年人工智能和機器人市場發(fā)展研判[J]. 本刊編輯部.  機器人產(chǎn)業(yè). 2019(03)
[2]大數(shù)據(jù)背景下對國有銀行發(fā)展的幾點思考[J]. 魏巍.  現(xiàn)代經(jīng)濟信息. 2018(22)
[3]人工智能技術(shù)在金融領(lǐng)域的應(yīng)用探究[J]. 傅丹陽.  科技經(jīng)濟導(dǎo)刊. 2018(31)
[4]人工智能在醫(yī)療產(chǎn)業(yè)的發(fā)展態(tài)勢和應(yīng)用展望[J]. 李雅琪,馮曉輝,王哲.  人工智能. 2018(04)
[5]行為金融的研究和發(fā)展[J]. 黃鑫.  全國流通經(jīng)濟. 2018(21)
[6]深度強化學(xué)習(xí)研究綜述[J]. 趙星宇,丁世飛.  計算機科學(xué). 2018(07)
[7]人工智能引領(lǐng)紡織行業(yè)多領(lǐng)域變革[J]. 吳迪.  紡織服裝周刊. 2018(22)
[8]人工智能研究的新前線:生成式對抗網(wǎng)絡(luò)[J]. 林懿倫,戴星原,李力,王曉,王飛躍.  自動化學(xué)報. 2018(05)
[9]全球人工智能與制造業(yè)融合的現(xiàn)狀及思考[J]. 秦業(yè).  科技中國. 2018(02)
[10]隨機森林在股票趨勢預(yù)測中的應(yīng)用[J]. 張瀟,韋增欣.  中國管理信息化. 2018(03)

博士論文
[1]時間序列的非平穩(wěn)性度量及其應(yīng)用[D]. 譚秋衡.中國科學(xué)院研究生院（武漢物理與數(shù)學(xué)研究所） 2013
[2]上下文感知計算若干關(guān)鍵技術(shù)研究[D]. 李蕊.湖南大學(xué) 2007
[3]金融時間序列隱含模式挖掘方法及其應(yīng)用研究[D]. 蘭秋軍.湖南大學(xué) 2005



本文編號：3654505