發(fā)布時(shí)間：2018-05-16 15:31

  本文選題：支持向量機(jī) + 量化投資��； 參考：《山東科技大學(xué)》2017年碩士論文

【摘要】：量化投資在國(guó)外已經(jīng)發(fā)展了三十多年,由于投資方式基于模型化交易,業(yè)績(jī)比較穩(wěn)定,在國(guó)外對(duì)沖基金投資策略中占據(jù)了很大的份額。量化投資的本質(zhì)就是模型化交易。量化的過(guò)程是對(duì)交易行為進(jìn)行建模,對(duì)交易變量進(jìn)行參數(shù)量化,一旦市場(chǎng)觸發(fā)了條件,就會(huì)進(jìn)行交易。Corinna Cortes和Vapnik在1995年的時(shí)候首先提出了支持向量機(jī)理論,它是基于統(tǒng)計(jì)理論的機(jī)器學(xué)習(xí)算法,由于支持向量機(jī)指導(dǎo)基礎(chǔ)是扎實(shí)的統(tǒng)計(jì)學(xué)理論,不會(huì)收斂于局部最優(yōu)解�；谥С窒蛄繖C(jī)適合解決非線性的、小樣本的數(shù)據(jù)問(wèn)題,在高維模式識(shí)別問(wèn)題也有許多獨(dú)特的優(yōu)勢(shì),本文基于股指期貨IF高頻TICK數(shù)據(jù)進(jìn)行回歸預(yù)測(cè),從以下幾個(gè)方面進(jìn)行了研究:一方面考慮到目前為止在核函數(shù)的選取甚至于有針對(duì)性地構(gòu)造核函數(shù)還沒(méi)有較好的理論指導(dǎo),為了更好得研究解決支持向量機(jī)核函數(shù)參數(shù)問(wèn)題,本文選取R]BF核函數(shù)進(jìn)行研究,把重心放在了核函數(shù)參數(shù)g還有懲罰因子C的優(yōu)化選擇上,用改進(jìn)的網(wǎng)格法進(jìn)行參數(shù)尋優(yōu),尋參效果較好,同時(shí)減少了參數(shù)尋優(yōu)計(jì)算時(shí)間。另一方面是交易成本處理問(wèn)題,高頻交易除了量化模型很重要以外,交易成本也是影響結(jié)果的重要因素,尤其是買賣價(jià)差,手續(xù)費(fèi)水平,因此本文通過(guò)建立數(shù)學(xué)模型,對(duì)買賣價(jià)差進(jìn)行了較好的分析研究,建立了對(duì)數(shù)回歸擬合模型,擬合效果極好,比較充分反映了實(shí)際的買賣價(jià)差成本,并在最終策略實(shí)現(xiàn)的時(shí)候?qū)肓速I賣價(jià)差成本進(jìn)行減值,計(jì)算出了成本模型。本文最終基于買賣價(jià)差分析模型以及支持向量機(jī)預(yù)測(cè)模型建立了擬合分類預(yù)測(cè)模型,研究了高頻量化投資在國(guó)內(nèi)市場(chǎng)的IF合約下的策略構(gòu)建可行性,并基于研究過(guò)程進(jìn)行了實(shí)踐作業(yè),進(jìn)行了策略實(shí)現(xiàn),給出了不同市場(chǎng)下對(duì)高頻策略影響的手續(xù)費(fèi)評(píng)估閾值,通過(guò)實(shí)際效果驗(yàn)證了理論分析,具有實(shí)際指導(dǎo)意義。
[Abstract]:Quantitative investment has been developed for more than thirty years in foreign countries. Because of the model trading based on the investment mode, the performance is relatively stable, and it occupies a large share in the foreign investment strategy of hedge funds. The essence of the quantitative investment is model trading. The quantitative process is to model the transaction behavior and quantify the parameters of the transaction variables. The market triggered the conditions, and the transaction.Corinna Cortes and Vapnik first proposed the support vector machine theory in 1995. It is a machine learning algorithm based on statistical theory. Because the support vector machine guidance foundation is a solid statistical theory, it will not converge to the local optimal solution. The support vector machine is suitable for the non line solution. The problem of small sample data has many unique advantages in the high dimensional pattern recognition problem. This paper studies the regression prediction based on the IF high frequency TICK data of stock index futures. On the one hand, there is no good theory on the selection of the kernel function and even the targeted construction of the kernel function. In order to better study and solve the kernel function parameter problem of support vector machine, this paper chooses R]BF kernel function to study the kernel function of kernel function parameter g and penalty factor C. In addition to the cost handling problem, high frequency transaction is very important in addition to the quantitative model, and the transaction cost is also an important factor affecting the result, especially the sale price difference and the service fee level. Therefore, this paper establishes a logarithmic regression fitting model by establishing a mathematical model and establishes a logarithmic regression fitting model. It reflects the actual cost of the price difference, and introduces the cost of the sale price difference when the final strategy is realized, and calculates the cost model. Finally, based on the sale price difference analysis model and the support vector machine prediction model, the fitting classification prediction model is established, and the IF combination of the high frequency quantitative investment in the domestic market is studied. The proposed strategy is feasible, and the practical operation is carried out based on the research process. The strategy is implemented, and the evaluation threshold of the fee assessment for the high frequency strategy under different markets is given. The theoretical analysis is verified by the actual effect, which has practical guiding significance.

【學(xué)位授予單位】：山東科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：F832.51;F224

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖漢杰;桑秀麗;;相關(guān)向量機(jī)超參數(shù)優(yōu)化的小時(shí)間尺度網(wǎng)絡(luò)流量非線性預(yù)測(cè)方法[J];計(jì)算機(jī)應(yīng)用研究;2016年06期

2 劉忠寶;;新型支持向量機(jī)在風(fēng)速預(yù)測(cè)模型中的應(yīng)用研究[J];電子科技大學(xué)學(xué)報(bào);2014年05期

3 符永健;程希駿;劉峰;;基于量化觀點(diǎn)和Black-Litterman模型的期貨投資組合[J];中國(guó)科學(xué)院大學(xué)學(xué)報(bào);2014年04期

4 周璇;楊建成;;基于支持向量回歸機(jī)的空調(diào)逐時(shí)負(fù)荷滾動(dòng)預(yù)測(cè)算法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

5 唐煒怡;孟小菊;鄢方方;;量化投資盛行對(duì)中國(guó)資本市場(chǎng)的影響[J];經(jīng)營(yíng)管理者;2013年31期

6 李云紅;魏宇;;我國(guó)鋼材期貨市場(chǎng)波動(dòng)率的GARCH族模型研究[J];數(shù)理統(tǒng)計(jì)與管理;2013年02期

7 虞尚智;;機(jī)器學(xué)習(xí)算法在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J];科學(xué)技術(shù)與工程;2013年08期

8 方浩文;;量化投資發(fā)展趨勢(shì)及其對(duì)中國(guó)的啟示[J];管理現(xiàn)代化;2012年05期

9 肖俊喜;郭曉利;;中美農(nóng)產(chǎn)品期貨市場(chǎng)流動(dòng)性比較研究[J];證券市場(chǎng)導(dǎo)報(bào);2012年09期

10 朱世杰;王軍;;中國(guó)期貨市場(chǎng)流動(dòng)性成本研究——以棉花為例[J];金融理論與實(shí)踐;2012年09期

相關(guān)博士學(xué)位論文 前2條

1 王帥;量化投資：從行為金融到高頻交易[D];華東師范大學(xué);2013年

2 蔣勇;股指期貨市場(chǎng)風(fēng)險(xiǎn)管理與量化策略研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前6條

1 劉小偉;基于神經(jīng)網(wǎng)絡(luò)的時(shí)間序列分析在股票投資中的研究與應(yīng)用[D];沈陽(yáng)工業(yè)大學(xué);2015年

2 宣云云;量化投資策略及其績(jī)效分析實(shí)證研究[D];東北財(cái)經(jīng)大學(xué);2014年

3 黎春艷;基于Fama-French三因素模型下的高維協(xié)方差矩陣估計(jì)法在中國(guó)股票投資組合中的實(shí)證研究[D];廈門大學(xué);2014年

4 陳金佑;數(shù)據(jù)挖掘在股票分析中的應(yīng)用研究[D];華南理工大學(xué);2014年

5 蔣士杰;中國(guó)股市行業(yè)動(dòng)量效應(yīng)及其投資策略研究[D];復(fù)旦大學(xué);2012年

6 李體委;Fama-French三因子模型的改進(jìn)和對(duì)中國(guó)股市收益率的檢驗(yàn)[D];山東大學(xué);2011年

，

本文編號(hào)：1897427