基于多級訂單流不平衡的超短期價格趨勢預(yù)測
發(fā)布時間:2023-02-07 13:30
在既定的微觀結(jié)構(gòu)下,金融市場微觀結(jié)構(gòu)理論探究的是影響價格的主要因素。傳統(tǒng)的研究大多是通過構(gòu)造有關(guān)量價的指標(biāo)來挖掘市場數(shù)據(jù)中的信息,而訂單簿作為傳遞市場信息的重要工具,使投資者所廣泛關(guān)注和使用。為了更好的刻畫訂單簿的狀態(tài),采用訂單簿的Level-2數(shù)據(jù)構(gòu)建的訂單流不平衡指標(biāo),使微觀結(jié)構(gòu)理論得到更好地解釋。由于在市場中,機構(gòu)與個人投資者多采用限價委托單的形式來進(jìn)行交易,所以有更多的交易信息都被隱藏在了訂單簿中。相比于股市訂單簿的五檔行情,在我國期貨市場中,交易所所公布的數(shù)據(jù)只有一檔行情。而更深度的訂單簿數(shù)據(jù)則被包裝為Level-2產(chǎn)品進(jìn)行出售,這就導(dǎo)致了一定的信息不對稱,所以多級訂單簿中有更多的信息有待發(fā)掘。從多級訂單簿角度進(jìn)行分析建模是本文的核心內(nèi)容。本文選取了大連商品交易所的交易活躍的鐵礦石、焦煤和焦炭等黑色系品種的歷史Level-2數(shù)據(jù),挑選出黑色系品種的主力合約作為研究標(biāo)的。本文首先將原有的訂單流不平衡等理論做了簡單的回顧,構(gòu)造了多級訂單簿不平衡指標(biāo),對其進(jìn)行相關(guān)性分析,并根據(jù)Cont,Kukanov[1]文中的方法驗證擬合優(yōu)度的變化,再基于多級訂單簿不平衡指標(biāo)與價格變化之間有相關(guān)...
【文章頁數(shù)】:50 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景和研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 研究內(nèi)容與框架
1.3.1 研究內(nèi)容
1.3.2 研究框架
1.4 論文創(chuàng)新點
第二章 相關(guān)理論概述
2.1 有關(guān)訂單簿的理論研究
2.2 交易不平衡與訂單流不平衡
2.2.1 交易不平衡的相關(guān)理論
2.2.2 訂單流不平衡的相關(guān)理論
2.3 神經(jīng)網(wǎng)絡(luò)
2.3.1 神經(jīng)網(wǎng)絡(luò)
2.3.2 多層感知機
2.3.3 誤差反向傳播算法
2.3.4 激活函數(shù)介紹
2.3.5 循環(huán)神經(jīng)網(wǎng)絡(luò)
2.3.6 長短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)
第三章 基于多級訂單流不平衡的超短期價格趨勢預(yù)測模型
3.1 多級訂單流不平衡指標(biāo)
3.2 多級訂單流不平衡指標(biāo)的分析
3.2.1 數(shù)據(jù)分布分析
3.2.2 相關(guān)系數(shù)的介紹
3.2.3 相關(guān)系數(shù)的實證檢驗
3.2.4 多級訂單流不平衡對R2的影響
3.3 基于多級訂單流和長短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)的超短期價格趨勢預(yù)測模型設(shè)計
第四章 實證分析
4.1 數(shù)據(jù)選取與預(yù)處理
4.1.1 數(shù)據(jù)來源
4.1.2 數(shù)據(jù)不平衡的處理
4.1.3 訓(xùn)練集、驗證集和測試集
4.2 模型訓(xùn)練
4.2.1 模型超參數(shù)
4.2.2 多級訂單流不平衡的日內(nèi)效應(yīng)
4.3 模型結(jié)果及分析
4.3.1 模型的評價指標(biāo)
4.3.2 模型評估
4.3.3 回測策略
4.3.4 回測結(jié)果
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 不足與展望
參考文獻(xiàn)
致謝
學(xué)位論文評閱及答辯情況表
本文編號:3736914
【文章頁數(shù)】:50 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景和研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 研究內(nèi)容與框架
1.3.1 研究內(nèi)容
1.3.2 研究框架
1.4 論文創(chuàng)新點
第二章 相關(guān)理論概述
2.1 有關(guān)訂單簿的理論研究
2.2 交易不平衡與訂單流不平衡
2.2.1 交易不平衡的相關(guān)理論
2.2.2 訂單流不平衡的相關(guān)理論
2.3 神經(jīng)網(wǎng)絡(luò)
2.3.1 神經(jīng)網(wǎng)絡(luò)
2.3.2 多層感知機
2.3.3 誤差反向傳播算法
2.3.4 激活函數(shù)介紹
2.3.5 循環(huán)神經(jīng)網(wǎng)絡(luò)
2.3.6 長短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)
第三章 基于多級訂單流不平衡的超短期價格趨勢預(yù)測模型
3.1 多級訂單流不平衡指標(biāo)
3.2 多級訂單流不平衡指標(biāo)的分析
3.2.1 數(shù)據(jù)分布分析
3.2.2 相關(guān)系數(shù)的介紹
3.2.3 相關(guān)系數(shù)的實證檢驗
3.2.4 多級訂單流不平衡對R2的影響
3.3 基于多級訂單流和長短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)的超短期價格趨勢預(yù)測模型設(shè)計
第四章 實證分析
4.1 數(shù)據(jù)選取與預(yù)處理
4.1.1 數(shù)據(jù)來源
4.1.2 數(shù)據(jù)不平衡的處理
4.1.3 訓(xùn)練集、驗證集和測試集
4.2 模型訓(xùn)練
4.2.1 模型超參數(shù)
4.2.2 多級訂單流不平衡的日內(nèi)效應(yīng)
4.3 模型結(jié)果及分析
4.3.1 模型的評價指標(biāo)
4.3.2 模型評估
4.3.3 回測策略
4.3.4 回測結(jié)果
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 不足與展望
參考文獻(xiàn)
致謝
學(xué)位論文評閱及答辯情況表
本文編號:3736914
本文鏈接:http://sikaile.net/shoufeilunwen/benkebiyelunwen/3736914.html
最近更新
教材專著