隨著金融市場(chǎng)的逐步放開,帶動(dòng)著金融創(chuàng)新的進(jìn)程,投資者通過開發(fā)多樣的量化投資策略來指導(dǎo)股票投資。在量化投資領(lǐng)域中,擇時(shí)交易作為其非常重要的研究模塊,長(zhǎng)期備受投資者青睞。為研究如何在正確的時(shí)機(jī)進(jìn)行股票交易這個(gè)問題,本文基于函數(shù)型數(shù)據(jù)聚類分析方法構(gòu)建了擇時(shí)策略算法,不僅能夠準(zhǔn)確客觀評(píng)價(jià)交易機(jī)會(huì),客服主觀情緒偏差來提高投資效率,同時(shí)還能夠讓投資者快速掌握股票未來價(jià)格走勢(shì)規(guī)律,對(duì)期望獲得超額收益的股票投資者有一定的指導(dǎo)意義。本文從技術(shù)分析的角度出發(fā),提出了基于函數(shù)型數(shù)據(jù)聚類分析方法的擇時(shí)策略算法。首先利用基于高斯混合模型（GMM）的函數(shù)型數(shù)據(jù)聚類分析方法來對(duì)歷史交易數(shù)據(jù)進(jìn)行分類,剖析出歷史數(shù)據(jù)中的具有代表性的走勢(shì)作為該擇時(shí)算法的交易信號(hào)。其次,對(duì)各交易信號(hào)出現(xiàn)后的第二日漲跌情況進(jìn)行預(yù)測(cè)的同時(shí),借助基于K-中心點(diǎn)（PAM）算法的函數(shù)型數(shù)據(jù)聚類分析方法對(duì)各類別的第二日股價(jià)走勢(shì)做出預(yù)測(cè),根據(jù)這兩項(xiàng)預(yù)測(cè)內(nèi)容來制定合理的交易操作。最后驗(yàn)證了該算法的有效性和泛化性,以期為投資者進(jìn)行股票投資提供參考。本文主要結(jié)論為:（1）基于函數(shù)型數(shù)據(jù)聚類分析方法建立的量化擇時(shí)策略實(shí)證效果理想。研究發(fā)現(xiàn)這兩種聚類方法在函數(shù)型... 

【文章來源】：華僑大學(xué)福建省

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

擇時(shí)策略實(shí)現(xiàn)思路圖

三個(gè)數(shù)據(jù)集的處理第一步都是進(jìn)行函數(shù)型數(shù)據(jù)的擬合工作,其次對(duì)于不同的數(shù)據(jù)集的有不同的處理方法,具體如下：（1）對(duì)于訓(xùn)練集數(shù)據(jù)處理,在函數(shù)數(shù)據(jù)擬合后進(jìn)行函數(shù)型主成分分析（FPCA）處理,在找出主成分后即可進(jìn)行基于GMM的函數(shù)型數(shù)據(jù)聚類分析,根據(jù)聚類結(jié)果對(duì)各類別相似歷史片段第二日的市場(chǎng)表現(xiàn)情況進(jìn)行剖析,依據(jù)后續(xù)市場(chǎng)表現(xiàn)情況分析結(jié)果建立擇時(shí)策略。（2）驗(yàn)證集在函數(shù)型數(shù)據(jù)擬合后將進(jìn)行數(shù)據(jù)歸類,也就是找出驗(yàn)證樣本中各交易日的數(shù)據(jù)分別隸屬于訓(xùn)練集聚類結(jié)果的哪個(gè)類別,再根據(jù)驗(yàn)證樣本的實(shí)際股票表現(xiàn)驗(yàn)證擇時(shí)策略的勝率。（3）測(cè)試集樣本數(shù)據(jù)在進(jìn)行函數(shù)型數(shù)據(jù)擬合后,以30個(gè)交易日為一個(gè)時(shí)間窗,依次進(jìn)行策略的泛化性驗(yàn)證工作,測(cè)試該擇時(shí)算法的魯棒性。股票一分鐘的價(jià)格數(shù)據(jù)本身是離散的,沒有以函數(shù)的形式展現(xiàn)出來,但股票走勢(shì)本身是隨著時(shí)間維度的推移的,從訓(xùn)練集日離散股價(jià)走勢(shì)圖（圖3.2）（X軸為時(shí)間,Y軸為股票價(jià)格）可以看出,離散的股價(jià)高頻數(shù)據(jù)呈現(xiàn)出特有的函數(shù)特征,所以適合將其看做曲線,進(jìn)行函數(shù)型數(shù)據(jù)擬合,方便后續(xù)的數(shù)據(jù)挖掘過程。

本文利用函數(shù)型數(shù)據(jù)分析方法對(duì)股價(jià)歷史數(shù)據(jù)進(jìn)行挖掘,第一步先進(jìn)行函數(shù)型數(shù)據(jù)的擬合。本文通過B-Spline基系統(tǒng)對(duì)前復(fù)權(quán)處理過的股票歷史數(shù)據(jù)進(jìn)行外生基函數(shù)展開擬合后,可以將股價(jià)原始從不可導(dǎo),跳動(dòng)頻繁的離散數(shù)據(jù)轉(zhuǎn)化為平滑的且可導(dǎo)的函數(shù)數(shù)據(jù)。這個(gè)步驟對(duì)后續(xù)的擇時(shí)策略的預(yù)測(cè)分析具有尤為重要的意義,在后續(xù)的聚類分析中研究對(duì)象將會(huì)從原先雜亂的離散數(shù)據(jù)變?yōu)橛苫瘮?shù)系數(shù)表示的概率密度函數(shù)。原始30個(gè)交易日的離散數(shù)據(jù)經(jīng)擬合后得到30條函數(shù),其效果如圖3.3所示。圖 3.4訓(xùn)練集樣本函數(shù)一階導(dǎo)數(shù)圖

【參考文獻(xiàn)】：
期刊論文
[1]基于函數(shù)型自適應(yīng)聚類的股票收益波動(dòng)模式比較[J]. 王德青,何凌云,朱建平.  統(tǒng)計(jì)研究. 2018(09)
[2]函數(shù)型數(shù)據(jù)聚類分析研究綜述與展望[J]. 王德青,朱建平,劉曉葳,何凌云.  數(shù)理統(tǒng)計(jì)與管理. 2018(01)
[3]函數(shù)型自適應(yīng)權(quán)重聚類分析的再拓展[J]. 王德青,劉曉葳,朱建平.  數(shù)理統(tǒng)計(jì)與管理. 2016(01)
[4]函數(shù)型數(shù)據(jù)的分步系統(tǒng)聚類算法[J]. 郭均鵬,王梅南,高成菊,戴暉.  系統(tǒng)管理學(xué)報(bào). 2015(06)
[5]基于自適應(yīng)迭代更新的函數(shù)型數(shù)據(jù)聚類方法研究[J]. 王德青,劉曉葳,朱建平.  統(tǒng)計(jì)研究. 2015(04)
[6]個(gè)人和機(jī)構(gòu)投資者情緒與股票收益——基于上證A股市場(chǎng)的研究[J]. 劉維奇,劉新新.  管理科學(xué)學(xué)報(bào). 2014(03)
[7]一種基于函數(shù)型數(shù)據(jù)的綜合評(píng)價(jià)方法研究[J]. 蘇為華,孫利榮,崔峰.  統(tǒng)計(jì)研究. 2013(02)
[8]Shibor市場(chǎng)中各期限利率波動(dòng)模式分析——基于FPCA方法[J]. 郭均鵬,孫欽堂,李汶華.  系統(tǒng)工程. 2012(12)
[9]函數(shù)數(shù)據(jù)聚類及其在金融時(shí)序分析中的應(yīng)用[J]. 朱建平,王桂明.  統(tǒng)計(jì)與決策. 2010(09)
[10]基于函數(shù)型主成分的中國股市波動(dòng)研究[J]. 岳敏,朱建平.  統(tǒng)計(jì)與信息論壇. 2009(03)



本文編號(hào)：2943580