论文部分内容阅读
随着计算机技术的快速发展,量化交易技术被金融机构和个人投资者广泛使用。量化交易技术利用计算机技术、数学工具和综合性的数据来做出合理的交易决策。有许多研究旨在通过机器学习方法预测股票市场价格并获得超额回报。近年来,深度学习方法受到了极大的关注,并被成功应用于许多领域。它可以应用于解决金融市场交易问题。因此,本文的主要研究内容是构造基于神经网络和深度学习的模型用于预测中国A股市场股票价格的未来趋势,并构建能够获取超额收益的量化交易策略。本论文的主要研究内容如下。首先,本文建立了基于深度学习和神经网络的模型,以预测股价的未来趋势。本文利用历史价格数据和股票技术指标作为模型输入,建立回归模型预测股票价格的未来收益率,分类模型预测股票价格的未来涨跌。本文基于这些模型构建了量化交易策略并使用真实历史数据进行模拟交易。实验结果表明,这些模型具有预测股票价格未来趋势的能力,并且基于这些模型的交易策略能够获得超额收益。。其次,本文提出了基于深度强化学习方法构建量化交易策略的方法。本文提出了优化单一资产买卖时机的强化学习环境,以及用于优化投资组合中多个资产权重的环境。然后,使用深度Q网络算法和策略梯度算法来以最大化收益为目标训练深度强化学习模型,并基于深度强化学习模型构建交易策略。实验结果表明,这些交易策略的收益与风险表现优于买入持有策略。最后,本文设计并实现了一个交易策略回测平台,该平台能够利用历史数据进行模拟交易,生成模拟交易结果并分析策略的风险和盈利能力。该系统由四个模块组成,分别负责数据获取与处理,模型的训练和计算,交易策略的回测,以及为用户提供交互界面。