【摘 要】
：
股指期货是以股票指数作为标的的金融期货产品,是我国金融市场重要的产品,股指期货双向交易的特点为投资者提供了更大的操作空间,且股指期货采用交易保证金制度,提供了巨大杠杆,投资者通过杠杆操作更多资金。金融序列预测一直是量化市场研究讨论的主题,但是金融序列存在高噪声、非线性的特点,导致其预测研究并不容易,预测滞后问题很大程度阻碍着策略构建,且单纯依靠模型结果建立的策略存在模型可能失效的问题。在众多国外成
论文部分内容阅读
股指期货是以股票指数作为标的的金融期货产品,是我国金融市场重要的产品,股指期货双向交易的特点为投资者提供了更大的操作空间,且股指期货采用交易保证金制度,提供了巨大杠杆,投资者通过杠杆操作更多资金。金融序列预测一直是量化市场研究讨论的主题,但是金融序列存在高噪声、非线性的特点,导致其预测研究并不容易,预测滞后问题很大程度阻碍着策略构建,且单纯依靠模型结果建立的策略存在模型可能失效的问题。在众多国外成熟的量化投资策略中,R-Breaker策略最具代表性且具有很长的生命周期,连续十年进入年度最赚钱十大策略,但是R-Breaker策略只使用过去一天的价格信息构建交易信号,历史信息使用较少,会错失相当部分信息,且经回测此策略在我国股票市场表现并不优秀,胜率及收益等相对较低。因此,本文采用深度学习模型和策略内容调整对R-Breaker策略进行改进增强,股指期货对输入特性比较敏感,由于金融序列高噪声非平稳特性,导致深度学习模型对序列直接拟合效果不好,因此,本文采用变分模态分解将序列拆分,改进了输入特征质量,预测结果得到了很大改善,并依据结果对R-Breaker策略调整增强,构建得到增强的R-Breaker策略,在风险和收益方面得到了较好的效果,最后通过贝叶斯优化算法对策略模型进行优化,使得策略效果进一步提升。本文研究表明:（1）变分模态分解有效降低了金融序列的噪声,提高了信噪比,改善了输入端数据的情况,提高了最终模型效果。（2）相比于传统机器学习模型和时间序列分析模型,LSTM网络依旧表现出了对时间序列数据强大的拟合能力。（3）通过对经典策略R-Breaker的优化增强,得到了综合风险和收益都相对良好的策略。（4）通过贝叶斯优化算法,对策略进行了进一步优化,在节省极大算力和时间的前提下,提高了策略绩效。
其他文献
十九大报告指出,当前我国建设的现代化是人与自然和谐共处的现代化,z这要求除了需要创造更多的物质和精神财富,更要满足人民日益增长的对于环境保护的需求。在目前推进经济增长与环境保护相协调的这一重要目标的背景下,我国正积极探寻一条有效的绿色发展道路。绿色创新是推动我国绿色发展的关键力量,是缓解能源紧缺和工业污染问题的重要途径。但是,从实践成果中看,与发达国家相比,我国的绿色技术创新水平仍然是薄弱的,区域
经济全球化和区域一体化是当前世界经济发发展的主要趋势,在此趋势下,我国产业积极对外开放,不断融入国际市场,在国际市场竞争中不断提升创新能力,产业竞争力不断提升。产业集群是产业发展的一个成熟阶段,产业集群的发展对区域经济和国家经济的发展有着至关重要的作用。自科技部正式启动高新技术产业集群工作以来,各地高度重视高新技术产业集群建设,在政策指引和现实需求双重推动下,集群建设取得显著成效。对于产业集群竞争
近年来,随着工业化、城镇化进程加快和消费结构持续升级,我国资源环境问题成为制约经济社会发展的瓶颈之一,节能减排形势依然严峻。为此,我国政府制定了一系列严格的环境政策。其中,环境保护税政策是解决环境污染的一项重要手段。环境保护税对于企业进行技术选择的影响机制是什么?对于中国本身具有低成本优势的出口导向型制造企业来说,应该选择何种技术创新来抵消环境保护税带来的成本,维持住自己的价格竞争优势?以及竞争对
如何有效预测股票价格的未来走势一直都是社会各界关注的热点问题。传统计量经济学模型利用股票的历史价格序列来预测股价。如今的股票市场呈现出显著的复杂性和多变性,仅基于历史价格的研究已经无法满足我们的预测需求。随着互联网、大数据、人工智能等技术的不断发展与创新,当今社会正在加速向网络化、数字化、智慧化、高效化的新社会结构转型。金融市场拥有海量的数据资源为人工智能技术在金融行业蓬勃发展提供支撑,因此人工智
自改革开放以来,我国凭借人口红利带来的劳动力成本优势和丰富的土地资源,低端嵌入全球价值链,取得了傲人的经济成就。但随着新冠肺炎和贸易保护主义的不断加剧,经济全球化受到严重冲击,我国产业全球价值链攀升脚步受阻。当今世界正处于巨变中,经济增长驱动由要素驱动、投资驱动,转变为创新驱动。创新是引领高质量发展的第一动力,各国纷纷制定了创新生态系统发展战略,在外部不确定性冲击和内部不稳定因素的影响下,提升创新
传统的物理试验存在输入因子少,随机噪声干扰强,需要耗费大量的资金并且往往无法在现实生活中进行试验等缺点。为了克服物理试验的诸多缺点,计算机试验应运而生。计算机试验中通常包含大量的输入变量,然而当基变量的数量过多时会造成模型过拟合且降低预测精度。因此,通过变量选择的方法来建立一个有良好预测能力且形式简单的元模型变得至关重要。本文主要研究了贝叶斯框架下Universial Kriging模型均值函数的
股票市场作为市场经济的晴雨表,在资金流通和优化资源配置等方面起着重要作用,在市场经济的发展中占据着举足轻重的地位。在我国,股票市场也是企业投融资和居民理财的重要选择,尤其近期随着房地产市场情况发生较大变化,作为我国居民金融资产重要组成部分的房产的价格增速进一步降低,导致越来越多的资金从房地产市场直接或间接地流入到股票市场中,使得股票市场在我国市场经济中的作用更加明显、地位更加重要。而资本资产定价模
近年来,大数据应用的发展给许多行业带来了巨大的生机,随之而来会出现更多更复杂的问题。而有些试验并不能大量重复进行,所以可以通过计算机试验来模拟试验中的一些物理过程有效地帮助解决上述问题。在计算机试验元建模中,Gaussian Kriging模型是一种非常重要的模型,它的预测是最佳线性无偏预测,同时,它能够度量预测的不确定性。如何进一步提高该模型预测精度并实现快速建模是许多研究者都在关注的问题。论文
当前,我国经济形势进入新常态,处于增长动能转换的关键时期,产业转型升级的需要日益迫切。与此同时,“一带一路”建设正如火如荼。作为我国新时期“走出去”战略的重大工程,“一带一路”倡议紧密地联系了我国同沿线各国的关系,有力的拉动了我国的对外贸易和对外投资,同时对我国的技术发展产生了积极影响。验证“一带一路”倡议对我国产业升级的影响并且探求其中的作用机理,对我国推动经济高质量发展有重要的理论意义和政策意
中国经济快速增长的同时,能源消耗也不断增加,碳排放量急剧上升。电力行业作为我国碳排放量最多的行业,其碳减排效果对实现碳达峰和碳中和目标至关重要。同时,在数字经济时代下,数字化技术从信息技术产业广泛渗透到能源消费和环境保护领域,具有改善生态环境的巨大潜力。探索数字经济对节能减排的贡献有利于实现“经济发展-环境优化”的共赢。本文在借鉴数字经济与碳排放相关文献的基础上,从以下几个方面进行研究和分析:第一