基于深度學(xué)習(xí)的量化擇時(shí)策略研究
發(fā)布時(shí)間:2023-05-07 13:27
股票市場(chǎng)作為我國(guó)市場(chǎng)經(jīng)濟(jì)的重要組成部分,在經(jīng)濟(jì)生活中起著越來(lái)越重要的作用,研究我國(guó)量化投資策略方面的相關(guān)文獻(xiàn)越來(lái)越多。本文將滬深300指數(shù)作為研究標(biāo)的,建立基于深度學(xué)習(xí)的股票預(yù)測(cè)模型,并把此模型的結(jié)果與相應(yīng)的擇時(shí)交易策略相結(jié)合,構(gòu)建了基于深度學(xué)習(xí)的量化擇時(shí)策略模型,以期提高投資收益性和穩(wěn)定性。由于我國(guó)滬深300指數(shù)已推出,用滬深300指數(shù)作為研究標(biāo)的,在研究投資策略時(shí)具有現(xiàn)實(shí)意義。運(yùn)用傳統(tǒng)的一些證券市場(chǎng)分析方法來(lái)研究證券市場(chǎng)時(shí),不僅需要滿足一系列的較為嚴(yán)格的假設(shè),并且也難以取得比較令人滿意的結(jié)果。而非線性的數(shù)據(jù)挖掘技術(shù)能良好的解釋股市價(jià)格行為,因而本文利用深度學(xué)習(xí)和支持向量機(jī)(SVM)兩種非線性的數(shù)據(jù)挖掘技術(shù)來(lái)分析我國(guó)股市價(jià)格行為,并將兩者的結(jié)果進(jìn)行對(duì)比,結(jié)果表明深度學(xué)習(xí)在預(yù)測(cè)未來(lái)股票的價(jià)格時(shí)具有更高更穩(wěn)定的預(yù)測(cè)精度。鑒于此,本文利用深度學(xué)習(xí),并結(jié)合具體數(shù)據(jù),對(duì)未來(lái)股票漲跌情況進(jìn)行判斷分類,利用分類結(jié)果進(jìn)行多空操作,同時(shí)利用支持向量機(jī)(SVM)來(lái)建立股票分類預(yù)測(cè)模型并根據(jù)結(jié)果進(jìn)行多空操作,通過(guò)深度學(xué)習(xí)與支持向量機(jī)(SVM)的比較,得出了基于深度學(xué)習(xí)的股票預(yù)測(cè)分類模型具有更高的預(yù)測(cè)精度,...
【文章頁(yè)數(shù)】:55 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 引言
1.1 選題依據(jù)與研究意義
1.1.1 選題依據(jù)
1.1.2 研究意義
1.2 國(guó)內(nèi)外相關(guān)研究文獻(xiàn)綜述
1.2.1 國(guó)內(nèi)市場(chǎng)有效性的研究現(xiàn)狀
1.2.2 數(shù)據(jù)挖掘技術(shù)在金融市場(chǎng)中應(yīng)用的研究現(xiàn)狀
1.3 本文研究?jī)?nèi)容
1.4 本文研究方法和創(chuàng)新點(diǎn)
1.4.1 研究方法
1.4.2 本文創(chuàng)新點(diǎn)
2 相關(guān)理論
2.1 量化擇時(shí)理論
2.2 市場(chǎng)有效理論
2.2.1 有效市場(chǎng)理論
2.2.2 ADF單位根檢驗(yàn)法
2.3 支持向量機(jī)
2.4 人工神經(jīng)網(wǎng)絡(luò)
2.4.1 人工神經(jīng)元
2.4.2 神經(jīng)網(wǎng)絡(luò)
2.4.3 多層感知器
2.4.4 反向傳導(dǎo)算法
2.5 深度學(xué)習(xí)理論
2.5.1 深度學(xué)習(xí)概述
2.5.2 深度學(xué)習(xí)的基本思想
2.5.3 深度學(xué)習(xí)算法
3 基于深度學(xué)習(xí)的量化擇時(shí)策略的構(gòu)建
3.1 模型的構(gòu)建思路
3.2 模型中指標(biāo)的選取
3.3 模型評(píng)價(jià)指標(biāo)
4 深度學(xué)習(xí)在量化擇時(shí)中的實(shí)證分析
4.1 數(shù)據(jù)描述性統(tǒng)計(jì)與檢驗(yàn)
4.1.1 數(shù)據(jù)描述性統(tǒng)計(jì)
4.1.2 運(yùn)用ADF單位根檢驗(yàn)市場(chǎng)的有效性
4.2 模型的實(shí)證分析
4.3 基于深度學(xué)習(xí)的滬深300指數(shù)量化擇時(shí)策略分析
5 結(jié)論與建議
5.1 基于深度學(xué)習(xí)的擇時(shí)策略能具有較高的推廣能力
5.2 未來(lái)研究展望
參考文獻(xiàn)
附錄 R程序
后記
本文編號(hào):3810658
【文章頁(yè)數(shù)】:55 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 引言
1.1 選題依據(jù)與研究意義
1.1.1 選題依據(jù)
1.1.2 研究意義
1.2 國(guó)內(nèi)外相關(guān)研究文獻(xiàn)綜述
1.2.1 國(guó)內(nèi)市場(chǎng)有效性的研究現(xiàn)狀
1.2.2 數(shù)據(jù)挖掘技術(shù)在金融市場(chǎng)中應(yīng)用的研究現(xiàn)狀
1.3 本文研究?jī)?nèi)容
1.4 本文研究方法和創(chuàng)新點(diǎn)
1.4.1 研究方法
1.4.2 本文創(chuàng)新點(diǎn)
2 相關(guān)理論
2.1 量化擇時(shí)理論
2.2 市場(chǎng)有效理論
2.2.1 有效市場(chǎng)理論
2.2.2 ADF單位根檢驗(yàn)法
2.3 支持向量機(jī)
2.4 人工神經(jīng)網(wǎng)絡(luò)
2.4.1 人工神經(jīng)元
2.4.2 神經(jīng)網(wǎng)絡(luò)
2.4.3 多層感知器
2.4.4 反向傳導(dǎo)算法
2.5 深度學(xué)習(xí)理論
2.5.1 深度學(xué)習(xí)概述
2.5.2 深度學(xué)習(xí)的基本思想
2.5.3 深度學(xué)習(xí)算法
3 基于深度學(xué)習(xí)的量化擇時(shí)策略的構(gòu)建
3.1 模型的構(gòu)建思路
3.2 模型中指標(biāo)的選取
3.3 模型評(píng)價(jià)指標(biāo)
4 深度學(xué)習(xí)在量化擇時(shí)中的實(shí)證分析
4.1 數(shù)據(jù)描述性統(tǒng)計(jì)與檢驗(yàn)
4.1.1 數(shù)據(jù)描述性統(tǒng)計(jì)
4.1.2 運(yùn)用ADF單位根檢驗(yàn)市場(chǎng)的有效性
4.2 模型的實(shí)證分析
4.3 基于深度學(xué)習(xí)的滬深300指數(shù)量化擇時(shí)策略分析
5 結(jié)論與建議
5.1 基于深度學(xué)習(xí)的擇時(shí)策略能具有較高的推廣能力
5.2 未來(lái)研究展望
參考文獻(xiàn)
附錄 R程序
后記
本文編號(hào):3810658
本文鏈接:http://sikaile.net/shoufeilunwen/benkebiyelunwen/3810658.html
最近更新
教材專著