【摘要】：量化投資為主動投資管理的一種新模式,其在歐美有五十余年的發(fā)展歷史,在中國僅有十余年的發(fā)展歷史。近幾年伴隨著機器學習與深度學習井噴式的發(fā)展,量化投資市場上基于機器學習與深度學習的量化模型的應用越來越多。本文分析了國內外量化投資市場上,機器學習與深度學習模型的相關研究與應用,發(fā)現(xiàn)其主要集中在股票市場,期貨市場鮮有;因此,在介紹時間序列預測相關技術、剖析期貨市場微觀結構的基礎上,選取2017年4月至7月,商品期貨市場螺紋鋼品種主力合約高頻數(shù)據(jù),選取相關特征作為輸入,基于LSTM算法建立了趨勢預測模型。實驗結果與回測效果表明,該模型能夠較好地預測螺紋鋼品種期貨短期內的漲跌趨勢,證明了LSTM算法在期貨高頻數(shù)據(jù)上的適用性。
【圖文】：

激漱憐ｉ化該逡逑圖３－１邐１邋ｔｉｃｋ價格變化分布逡逑圖３－１反映了邋１邋ｔｉｃｋ最新價變化分布情況，價格不發(fā)生變化的占比逡逑５９．１％；價格變化落在［－１，１］區(qū)間內占比９９．３％。絕對均值為０．４２。逡逑？邐１２邋ｔｉｃｋ價格變化分布逡逑看２令ｔ丨ｃｌｃ糸朽價ｉ化呢奉Ｖ■r2？逡逑４０％逡逑３５％－逡逑３０％逡逑２５％逡逑＾邋２０％逡逑１Ｓ％逡逑１０％逡逑５％＇邐Ｉ邋Ｉ逡逑０％邋邐．邐．邐邐，邐邐邐ｒ－Ｊ逡逑－２０邐－１０邐０邐１０邐２０邐３０逡逑圖３－２邋１２邋ｔｉｃｋ價格變化分布逡逑圖３－２反映了邋１２邋ｔｉｃｋ最新價變化分布情況，價格不發(fā)生變化的占比逡逑４２．７％；價格變化落在［－１．１］區(qū)間內占比８８．１％；價格變化落在［－３，３］區(qū)間內占逡逑比９９．１％。絕對均值為０．７３。逡逑？邐６０邋ｔｉｃｋ價格變化分布逡逑１５逡逑

－７．５邋一５．０邐－２邋５邐００邐２邋５邐ＳＯ邐７５邐１０．０逡逑激漱憐ｉ化該逡逑圖３－１邐１邋ｔｉｃｋ價格變化分布逡逑圖３－１反映了邋１邋ｔｉｃｋ最新價變化分布情況，價格不發(fā)生變化的占比逡逑５９．１％；價格變化落在［－１，１］區(qū)間內占比９９．３％。絕對均值為０．４２。逡逑？邐１２邋ｔｉｃｋ價格變化分布逡逑看２令ｔ丨ｃｌｃ糸朽價ｉ化呢奉Ｖ■r2？逡逑４０％逡逑３５％－逡逑３０％逡逑２５％逡逑＾邋２０％逡逑１Ｓ％逡逑１０％逡逑５％＇邐Ｉ邋Ｉ逡逑０％邋邐．邐．邐邐，邐邐邐ｒ－Ｊ逡逑－２０邐－１０邐０邐１０邐２０邐３０逡逑圖３－２邋１２邋ｔｉｃｋ價格變化分布逡逑圖３－２反映了邋１２邋ｔｉｃｋ最新價變化分布情況，，價格不發(fā)生變化的占比逡逑４２．７％；價格變化落在［－１．１］區(qū)間內占比８８．１％；價格變化落在［－３，３］區(qū)間內占逡逑比９９．１％。絕對均值為０．７３。逡逑？邐６０邋ｔｉｃｋ價格變化分布逡逑１５逡逑
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18;F724.5;F764.2

【相似文獻】

相關期刊論文 前10條

1 朱建平;魏瑾;謝邦昌;;金融高頻數(shù)據(jù)挖掘研究評述與展望[J];經(jīng)濟學動態(tài);2011年06期

2 金登貴;我國股市高頻數(shù)據(jù)分布特征實證研究[J];江西廣播電視大學學報;2005年03期

3 常寧,徐國祥;金融高頻數(shù)據(jù)分析的現(xiàn)狀與問題研究[J];財經(jīng)研究;2004年03期

4 苗曉宇;;(超)高頻數(shù)據(jù)視角下金融風險度量研究進展[J];經(jīng)濟論壇;2010年08期

5 耿克紅;張世英;;超高頻數(shù)據(jù)下金融市場持續(xù)期序列模型述評[J];中國管理科學;2008年04期

6 朱宇濤;楊杰;;中國證券市場高頻數(shù)據(jù)統(tǒng)計特征分析[J];吉林工商學院學報;2016年03期

7 魏瑾瑞;朱建平;謝邦昌;;金融高頻數(shù)據(jù)僅僅是一個優(yōu)質的時間序列嗎:概念及統(tǒng)計特征的再考察[J];投資研究;2014年05期

8 補馮林,張衛(wèi)國,何偉;基于超高頻數(shù)據(jù)的股票流動性度量研究[J];統(tǒng)計與決策;2005年04期

9 武光磊;;大數(shù)據(jù)時代:向高頻出發(fā)[J];科學中國人;2018年18期

10 劉建華;;基于高頻數(shù)據(jù)的中國股市量價日內特征分析[J];經(jīng)濟師;2007年10期

相關會議論文 前10條

1 郭名媛;;基于高頻數(shù)據(jù)的已實現(xiàn)極差相關系數(shù)及實證研究[A];2012管理創(chuàng)新、智能科技與經(jīng)濟發(fā)展研討會論文集[C];2012年

2 唐勇;;金融市場波動建模:基于高頻數(shù)據(jù)視角[A];社會經(jīng)濟發(fā)展轉型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

3 郭名媛;;基于高頻數(shù)據(jù)的賦權已實現(xiàn)極差相關系數(shù)及其實證研究[A];社會經(jīng)濟發(fā)展轉型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

4 ;學術名家思想精粹[A];2014年國際貨幣金融每日綜述[C];2014年

5 張晨;李月環(huán);;基于調整“已實現(xiàn)”波動率的滬深300指數(shù)高頻數(shù)據(jù)波動性研究與預測[A];中國會計學會高等工科院校分會2008年學術年會（第十五屆年會）暨中央在鄂集團企業(yè)財務管理研討會論文集（上冊）[C];2008年

6 張維;劉博;張小濤;;日內金融高頻數(shù)據(jù)的異常點檢測[A];全國自動化新技術學術交流會會議論文集（一）[C];2005年

7 儀垂林;王家琪;;基于高頻數(shù)據(jù)的套利研究——對中國股市弱式有效的一個檢驗[A];21世紀數(shù)量經(jīng)濟學（第6卷）[C];2005年

8 王蘅;;高頻數(shù)據(jù)傳輸電纜的設計與制造[A];中國通信學會2004年光纜電纜學術年會論文集[C];2004年

9 ;學術名家思想精粹[A];2014年國際貨幣金融每日綜述[C];2014年

10 侯建榮;;基于小波分析極大模方法的極端金融事件風險建模問題研究[A];第十四屆中國管理科學學術年會論文集(上冊)[C];2012年

相關重要報紙文章 前10條

1 本報記者 張智;高頻數(shù)據(jù)向暖 中國經(jīng)濟正實現(xiàn)“軟著陸”[N];華夏時報;2017年

2 記者 林遠;今年前兩月投資增速或為8%[N];經(jīng)濟參考報;2017年

3 上海證券 劉亦千 王博生 聞嘉琦;順勢而為 風格均衡[N];中國證券報;2017年

4 第一財經(jīng)研究院研究員 許元榮;高頻數(shù)據(jù)看宏觀：整體挑戰(zhàn)依然 局部有所改善[N];第一財經(jīng)日報;2015年

5 記者 方燁;高頻數(shù)據(jù)顯示8月工業(yè)生產(chǎn)恢復[N];經(jīng)濟參考報;2015年

6 記者 林遠;機構稱下半年經(jīng)濟增速無持續(xù)回落風險[N];經(jīng)濟參考報;2018年

7 本報記者 辛繼召;銀聯(lián)騰訊阿里鏖戰(zhàn)交通支付 挖掘場景背后高頻數(shù)據(jù)[N];21世紀經(jīng)濟報道;2018年

8 中信建投期貨 王雪喬;利率下行明顯 期債偏強運行[N];期貨日報;2018年

9 申銀萬國期貨 金碩;政策效果漸顯 股債走勢分化[N];期貨日報;2019年

10 本報記者 周文靜;大成基金：市場仍將維持寬幅震蕩格局[N];中國證券報;2016年

相關博士學位論文 前10條

1 唐勇;基于高頻數(shù)據(jù)的金融市場分析[D];天津大學;2007年

2 佘宏俊;基于超高頻數(shù)據(jù)的計量建模方法及市場交易行為量化研究[D];東北財經(jīng)大學;2015年

3 李勝歌;基于高頻數(shù)據(jù)的金融波動率研究[D];天津大學;2008年

4 王芳;基于市場微觀結構噪聲和跳躍的金融高頻數(shù)據(jù)波動研究[D];西南財經(jīng)大學;2011年

5 王萌;兩類金融時間序列模型的估計理論及應用[D];中國科學技術大學;2016年

6 來升強;高頻數(shù)據(jù)交易策略與波動性分析[D];廈門大學;2009年

7 郭華;中國證券市場日內交易信息對流動性和波動性的影響研究[D];天津大學;2013年

8 王鋒;我國燃料油期貨市場久期及其應用研究[D];中國礦業(yè)大學;2011年

9 汪劍鯤;日內股市數(shù)據(jù)的小波分形特征研究[D];首都經(jīng)濟貿(mào)易大學;2012年

10 李翠霞;基于高頻數(shù)據(jù)下一些特征的統(tǒng)計推斷[D];蘭州大學;2013年

相關碩士學位論文 前10條

1 袁祥楓;基于LSTM的商品期貨高頻數(shù)據(jù)趨勢預測模型的研究[D];北京郵電大學;2019年

2 周曉丹;高頻數(shù)據(jù)下商品期貨統(tǒng)計套利策略研究[D];遼寧大學;2018年

3 袁洪;基于高頻數(shù)據(jù)的投資組合VaR測度研究[D];成都理工大學;2018年

4 季虎;高頻交易中跳躍性波動率模型的實證研究[D];浙江大學;2018年

5 張玉希;高頻數(shù)據(jù)下的滬深300股指期貨量化交易策略設計[D];上海師范大學;2018年

6 張依穎;高頻數(shù)據(jù)Realized GAS-GARCH模型構建和相關性研究[D];浙江工商大學;2018年

7 韓孟君;連續(xù)β或不連續(xù)β能夠預測股票收益嗎？[D];東北財經(jīng)大學;2018年

8 徐博文;基于中國金融市場高頻數(shù)據(jù)波動率的分析與實證研究[D];電子科技大學;2018年

9 李博亞;基于金融高頻數(shù)據(jù)下跳的檢測[D];西北師范大學;2017年

10 胡飛虎;基于高頻數(shù)據(jù)的股指期貨信息溢出效應研究[D];上海師范大學;2018年

本文編號：2628677