【摘要】：近年來,隨著國際政治、經濟形勢的變化,商品期貨市場的變化呈現出新的特點,影響其價格的不確定性因素逐漸增多,導致商品期貨價格出現了劇烈的波動。而對投資者來說,最大的目標就是使收益最大化,風險最小化。在期貨市場中,跨品種對沖是在有效規(guī)避風險前提下獲取收益的典型手段。對沖品種必須具備一定的相關性,以往的研究中,都是僅使用兩個相關的品種進行研究,而現實中滿足一定的相關性并不限于兩個品種。所以,本文選擇了群集對沖相關問題作為研究對象,以網格表示、分形理論以及數據挖掘算法為研究工具,以發(fā)現有效的對沖模式為目標。在充分研究前人成果的基礎上,本文完成了以下工作:(1)在第二章,闡述了本文中幾個關鍵概念與思路,主要內容包括:提出群集對沖的研究思路、完善了網格表示法、設計了可變的觀察點目標屬性�；诖�,對本文的最終目標即群集對沖模式的發(fā)現提供支持。本文利用多個具有關聯性的期貨品種構成對沖序列,通過多種手段,探討多品種對沖的有效思路和方法。本文對網格表示法進行了研究,針對群集對沖研究的需要,補充了移動平均網格,同之前的網格表示法相比較,結合移動平均網格能更好地表達對沖序列的局部特征。對于時間序列的觀察點目標方向(相當于一般問題的樣本目標變量),本文使用了可變的多態(tài)表示,可以兼顧長短期的反向變化,利于有效的模式發(fā)現。(2)在第三章,利用歐幾里得距離來選擇合適的期貨對沖群集,最終確定大豆期貨、豆粕期貨以及豆油期貨作為本文群集對沖的三個品種。然后計算各個對沖序列,對它們進行正態(tài)性、自相似性以及R/S實證檢驗,證明其具有分形結構,可以用移動Hurst指數對其進行研究。最后,利用V統(tǒng)計量確定對沖序列的非周期循環(huán)長度。(3)在第四章,改進了移動Hurst指數的窗口長度的確定方法。一般的文獻采用非周期循環(huán)長度作為移動Hurst指數的窗口,為了能更好地反映對沖序列趨勢變化情況,本文在非周期循環(huán)長度的附近又選取其他N個時間長度作為候選窗口,從相關系數、變異系數以及預測反轉點的個數三個角度,比較N+1個不同時間窗口下的移動Hurst指數對對沖序列趨勢反映的精確度。(4)在第五章,研究了 Hurst平滑周期與閾值的選擇方法及觀察點的選擇策略。為了防止移動Hurst指數的個別異常值影響,對移動Hurst進行3～50日均值平滑處理。為避免通過Hurst指數小于理論閾值0.5判斷拐點時拐點過少的現象,本文將Hurst閾值范圍前后各擴大0.1進行研究。計算移動Hurst指數在不同平滑周期和閾值下的觀察點情況,抽取相關的數據,從預測反轉點的個數、閾值以及命中率三個角度確定各個對沖序列的優(yōu)選平滑周期與閾值。最終,根據優(yōu)選的平滑周期與閾值參數,建立觀察點的選擇策略,設計觀察點的特征向量。(5)在第六章,完成了群集對沖的模式發(fā)現與驗證。本文選擇一個對沖序列及其Hurst指數,對符合觀察點策略的觀察點進行特征抽取,利用決策樹數據挖掘算法處理抽取的特征向量,產生對沖模式,并對對沖模式進行人工剪枝,保留不違背市場邏輯和規(guī)律的模式。再用同樣的觀察點識別和特征抽取策略,獲取另外兩個對沖序列的觀察點特征向量,將發(fā)現的對沖模式用于這兩個對沖序列的觀察點以進行驗證。在第六章的具體挖掘驗證方案中,從大豆對沖序列中挖掘模式,將其應用在豆粕、豆油對沖序列中進行驗證。經驗證,在豆粕對沖序列中模式的準確率達到83.3%,在豆油對沖序列中模式的準確率達到76.9%。這樣的結果,不僅說明該具體群集中發(fā)現出的對沖模式的有效性,也充分證明本文研究思路的有效性�？傮w而言,支撐本文進行有效研究的創(chuàng)新點主要有:第一,提出群集對沖的視角和策略來研究三個及以上品種期貨的對沖問題。第二,改進了時間序列的網格表示法和觀察點方向表示法。引入移動平均網格,更好地表示局部序列的特征;對觀察點未來方向采用了多態(tài)策略,使模式的發(fā)現更加靈活有效。第三,對Hurst指數計算與應用的多種參數確定策略進行了有效探索。
【學位授予單位】：東北財經大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F713.36;F323.7
【圖文】：

分別繪制于圖，可以發(fā)現，各個品種的日、周、月對沖序列都分別具有形態(tài)相似性，逡逑即使坐標尺度發(fā)生了變化，但形態(tài)依然相似。逡逑圖３－１、３－２、３－３為大豆日、周、月對沖序列的走勢圖。逡逑２逡逑１．５逡逑０．５逡逑0邋－ｉ邋邐—－邐邐邐邐逡逑ｄ邋⑦卜邋Ｌｎｒ0ＴＨ0＾邋卜邋ｍｒｏＴＨｏ＾ｒ＾ＬｏｒｏｄＣ＾ｒ＾Ｌｎ逡逑＾ｊ－ｃｒｉ＾ｃｒｉ＾ｏｏｍｏｏｍｏｏｒＮｊｒ＾ｒｖｊｒ＾ｒＭＵＤ＇ＨｉＸ）逡逑Ｔ－ＨｒＮｉ＾Ｌ0ｒ＞＇0ｏ0Ｔ－ｉｒｏ＾ａＤｒ＾ａｉ0（Ｎｒ0ＬｎｕＤ逡逑ｔ—Ｉ邋ｔ￣Ｈ邋ｒＨ邋ｒ－Ｈ邋ｔＨ邋ｔＨ邋ｔ－Ｉ邋ｆＮ邋ｒｓｊ邋ｐｖｌ邋ｆＮ邋ＯＪ逡逑圖３－１大豆日對沖序列走勢圖逡逑２逡逑１．５逡逑０．５逡逑０邐邐邐邐邐邐邋ｉｉ逡逑ＴＨＬｎａｉｍｒ，＇＇ｒＨＬ0ａ＾ｍｒ＾ｒＨＬｎａ＞ｒｏｒｓ＇＾ＨＬｎｏ＾ｆ0逡逑ｍｉ＾ｏｏｒｎｒ＾ｏｒｏｒ＾ｏ＾ｒ＾ｏ＾ｒ＾ｒＨ＾ｊ－ｒ＾＾Ｈ逡逑ＴＨｒＨＴＨＣＮｆＮｒＮｒｏｍｍ邋寸寸燈邋ｌｏｌｏｌｏｕｄ逡逑圖３－２大豆周對沖序列走勢圖逡逑２１逡逑

３－４、３－５、３－６為豆粕日、周、月對沖序列的走勢圖。逡逑１．２逡逑１邐ｆＪｋ逡逑０．８邋：邋＾邋＼邋？逡逑０．６逡逑０．４逡逑０．２逡逑０逡逑ＴＨＣＴｉｒ＾ＬＯｒＯＴＨＯ＾邋卜邋ＬＤｒＯｒＨＣｎ邋卜邋ＬＯｒＯＨＣＪ）卜邋Ｌ0逡逑＾ＣＴ？＾ＣＴ）＾－00ｍ00ＣＹ）00ｆＭｒ＾ｆＮｒ＾ｒＮ？Ｘ）ｒＨＵＤ逡逑ｒＨｒｓＪ？＾Ｌ0邋卜邋ＯＯＯｒＨＯＯ邋寸①卜邋ＣＴ＞ＯｆＮｉｍＬ0ｌ＞Ｄ逡逑ｒ—Ｉ邋ｒＨ邋ｒ—Ｉ邋ｒ—Ｉ邋ｒ—Ｉ邋ｒ—Ｉ邋ｒ—Ｉ邋ｆＳ｜邋Ｐ＼Ｊ邋（￣＼Ｊ邋Ｃｓｌ邋Ｐｓｌ逡逑圖３－４豆粕日對沖序列走勢圖逡逑１．２逡逑１邐ｔｊ＼邐ｋ逡逑ｏ．８邐＾邋）ＴＳ＾邋Ｖ邋Ｖｔ逡逑０．６逡逑

基于移動Ｈｕｒｓｔ指數和平均網絡的群集對沖模式研究逡逑１．５逡逑０．５逡逑０逡逑ｒＨＧ＾ｒ＾？Ｌ0ｒ0ＴＨｃｒ？ｒ＞－Ｌｎｒ0ＴＨＣＴ＞ｒ＾Ｌ0ｍｒＨｃｒ＞ｒ＾ｉ－ｎ逡逑＾ＨｆＮｍ邋寸守邋Ｌｎｉ＞Ｄｒ＇＇＊ｏｏｏｏｏ＾0ＨｆＭｒ＇ｊｍ邋燈逡逑ｒ—Ｉ邋ｒ—Ｉ邋ｔＨ邋ｒ—ｉ邋ｔ—Ｉ邋ｒＨ逡逑圖３－３大豆月對沖序列走勢圖逡逑３－４、３－５、３－６為豆粕日、周、月對沖序列的走勢圖。逡逑．

【參考文獻】

相關碩士學位論文 前1條

1 譚夢羽;基于支持向量機回歸與學習的金融數據預測與分類[D];西安電子科技大學;2014年

本文編號：2747950