【摘 要】
：
中国金融期货交易所自2006年成立以来,陆续推出沪深300股指期货、上证50股指期货、中证500股指期货,在完善我国金融市场的同时,充分发挥促进经济发展的功能。股指期货的双向交易机制对传统金融市场来说,既能平衡市场多空力量,保障市场平稳运行,也有利于不同市场主体套期保值,建立对冲机制降低价格风险,因此预测股指期货价格是广大学者与投资者共同关注的问题。传统的金融市场预测方法面对复杂金融数据处理时,难
论文部分内容阅读
中国金融期货交易所自2006年成立以来,陆续推出沪深300股指期货、上证50股指期货、中证500股指期货,在完善我国金融市场的同时,充分发挥促进经济发展的功能。股指期货的双向交易机制对传统金融市场来说,既能平衡市场多空力量,保障市场平稳运行,也有利于不同市场主体套期保值,建立对冲机制降低价格风险,因此预测股指期货价格是广大学者与投资者共同关注的问题。传统的金融市场预测方法面对复杂金融数据处理时,难以解决金融时间序列噪音大的问题,同时非线性的数据特点也限制着传统方法在价格预测中的表现。以神经网络为代表的机器学习在数据特征处理、数据分类及回归上,存在极大的优势。伴随计算机的快速发展,更为简洁精准并且易用性强的机器学习模型,能够帮助投资者挖掘更多的金融数据特征,有效提升预测准确度。本文以中金所三大股指期货作为研究对象,选取2021年10月8日至2021年12月17日所有交易日的1分钟高频数据,将期货量价交易信息与技术指标作为输入特征,首先运用EViews对因子进行平稳性检验、VAR回归分析和格兰杰因果检验,分析输入变量的相关性。接着选择深度学习领域前沿的TabNet模型,分析各输入特征在机器学习中的特征重要性,并与相关性分析检验的结果对比。其次运用TabNet模型与GRU神经网络模型进行预测,并对结果进行对比分析。最后,选择该模型结果构建以股指期货为交易对象的量化择时策略,并基于回测结果对该策略进行优化。研究结论表明,预测价格与真实值误差较小,由此构建的择时交易策略在回测区间内收益率为正。从研究效果来看,预测模型需要进一步优化来提升预测准确度;从应用效果上看,机器学习对股指期货的预测在量化投资中的应用效果较好。
其他文献
人体姿态估计是目前具有挑战性的热门研究方向之一,其目的是从图片或者视频中将每个人体的关键点检测出来,绘制出人体骨架图。随着人体姿态估计技术的发展成熟,人体姿态估计在智能监控、虚拟现实、运动分析等方面都具有广泛的应用。本文采用目前流行的深度学习方法,对人体姿态估计算法进行研究,主要研究内容如下:（1）提出了一种基于双注意力与多尺度融合的人体姿态估计算法。在人体姿态估计任务中,卷积神经网络提取了包含不
威廉·福克纳是美国伟大文学家之一,他以独特的笔墨刻画美国南方社会,《八月之光》正是以虚构的约克纳帕塔法县为背景来展现美国南方社会的人们对现实的反抗和对自我的追寻。本文以爱德华·索亚的空间理论为框架,从第一空间、第二空间、第三空间角度出发,探讨《八月之光》中的三位主人公的身份追寻之旅。索亚认为,带有物理性质的第一空间、带有创造性想象的第二空间、融合真实空间与想象空间为一体的“开放”空间能够提供一个新
基于相位敏感光时域反射仪（Phase-sensitive Optical Time-Domain Reflectometry,φ-OTDR）的分布式光纤传感系统由于兼具监测范围广、灵敏度高等优点被广泛应用于周界安防等实时动态监测领域中。随着光学系统的改进,如何在φ-OTDR系统中快速且准确地预警扰动以及减少系统误报现象,成为实际应用和理论研究中的重点和难点。在充分调研φ-OTDR信号处理相关文献后
研究城市出行空间分布对城市规划、交通规划、商业服务等领域至关重要。随着我国城市化进程的不断推进,城市空间布局动态演变,城市出行空间分布也日益多样化和复杂化,随之产生了一系列问题如交通拥堵、通勤距离过长等。为解决这些问题,有必要深入研究城市出行空间分布特征,从而为科学地进行城市规划和交通规划提供理论依据。近年来随着移动通讯技术的应用与发展,丰富的手机信令数据为研究城市出行空间分布特征提供了有力支撑。
图像描述是通过计算机理解图像并生成对应文本描述的任务。该任务是跨模态理解的重要组成部分,在安防反恐、自动驾驶和舆情监控等多个领域都发挥着重要的作用,相关研究具有重要的理论研究意义和应用价值。因此,本文针对目前图像描述领域存在的高阶关系缺失、描述语句准确度低、描述内容不合理的问题,以Transformer为基础模型,从注意力机制和视觉常识的生成和引入机制开展了相关研究,并提出了三种图像描述模型。本文
“智慧城市”管理模式的提出,意味着基于深度学习的目标检测技术将在城市发展中起到重要作用。但是目前目标检测的算法训练得到的模型尺寸大、所需的计算资源多,很难部署到移动端。因此,本文通过对不同的目标检测模型进行轻量化改进,在模型大小满足嵌入式平台要求的前提下,取得速度和精度的平衡。并且将基于深度学习的目标检测模型部署到不同的嵌入式平台上面,实现目标检测技术在嵌入式开发板上的应用。本文主要工作和创新点如
在web2.0时代,无线网络和智能移动设备的普及使得大规模的互联网用户参与网络协作成为可能,移动众包模式应运而生,展现出了极大的应用价值,获得了学术界广泛的关注。因为众包工人的水平参差不齐,答案决策成为移动众包的核心技术之一。目前的答案决策研究存在一定的局限性。一方面,现有的研究假设任务的答案服从特定的概率分布,而时空约束下使用常规的概率模型对任务答案进行建模可能无法反应真实的情况。另一方面,现有
推进综合管廊发展建设,消除“城市蛛网”现象,提高城市智慧化和绿色化水平,是当今城市发展新形式下的目标和要求。但多种管线的集中入廊也带来了复杂的运维安全管理问题。其中,燃气管线灾害事故的严重破坏性给综合管廊的运维安全带来了巨大威胁。因此,探究综合管廊燃气灾害事故风险的演化关系,明确关键风险并及时预警,保证综合管廊运维安全管理是当下亟需解决的重要问题。由于内部环境的复杂性,燃气管线易受风险之间的耦合作
交叉口在城市道路网中位置关键,其运行状况对维持整个道路网的运行畅通性有着极其重要的作用,因此需及时对交叉口采用合理的方式进行管控。但由于城市空间功能分布以及居民出行时段存在差异性等原因,导致车流在交叉口处运行时常在通行方向分布上出现波动,针对此类问题一般通过调整车流在交叉口处的通行时间或者通行顺序进行解决。但当各转向交通流波动变化较大,若依旧通过信号控制手段进行解决常会缩减其他方向车流的通行时间,
激光雷达点云可以提供准确的3D位置信息,因此它被广泛地应用到机器人和自动驾驶多传感器系统（如相机和激光雷达）中。然而,受到硬件的约束,激光雷达设备存在两个固有的缺陷:1)激光雷达点云十分稀疏。2)激光雷达帧率相对较低。本论文拟采用深度学习的方案预测未来帧的稠密伪雷达点云,从而解决上述的问题。工作总结如下:（1）提出了一个用于预测未来帧伪雷达点云的深度学习网络。由于硬件原因,激光雷达频率较低,导致在