版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、最近十幾年來(lái),量化投資在海外發(fā)達(dá)資本市場(chǎng)上已經(jīng)成為了一種主流的投資方式。隨著國(guó)內(nèi)資本市場(chǎng)復(fù)雜度的日益提升,傳統(tǒng)的以主觀判斷為主的投資方式正面臨更大的挑戰(zhàn),量化投資以其特有的優(yōu)勢(shì)也開(kāi)始受到國(guó)內(nèi)越來(lái)越多投資者和學(xué)者的關(guān)注。本文基于這樣的背景,以目前國(guó)內(nèi)A股市場(chǎng)為研究對(duì)象,嘗試構(gòu)建一項(xiàng)量化選股策略。
本文第一章介紹了研究背景,闡述了有關(guān)量化選股的國(guó)內(nèi)外研究現(xiàn)狀,確定了研究目的并提出了研究思路。由于本文構(gòu)建的選股策略并沒(méi)有建立在已有的
2、選股方法上,而是首次將SOM聚類(lèi)方法應(yīng)用到選股研究中。因此本文第二章較為具體地介紹了SOM神經(jīng)網(wǎng)絡(luò)的模型和算法,給出了兩組人工數(shù)據(jù)的SOM聚類(lèi)實(shí)例,并且引出了基于SOM算法的軌跡聚類(lèi)思想,本文構(gòu)建的選股策略正是借鑒這一思想方法實(shí)現(xiàn)對(duì)股票的分類(lèi)的。
本文的主要研究工作分為兩個(gè)階段:聚類(lèi)選股策略的構(gòu)建階段和策略的模擬交易測(cè)試階段。本文第三章首先詳細(xì)闡明了聚類(lèi)選股策略的基本思想,接著給出了該策略的完整構(gòu)建過(guò)程。第四章首先構(gòu)建了聚類(lèi)選
3、股策略的模擬交易算法,并對(duì)這一算法進(jìn)行了解釋說(shuō)明,接著對(duì)選股策略進(jìn)行模擬交易測(cè)試。在測(cè)試實(shí)驗(yàn)中,本文共選取了6個(gè)不同的測(cè)試期:15/06/10-15/07/22,14/01/03-15/08/10,14/01/03-15/01/05,13/01/04-14/01/10,11/12/30-13/01/04和11/01/04-12/01/04。首先對(duì)15/06/10-15/07/22測(cè)試期進(jìn)行了單次交易測(cè)試以展示具體的交易過(guò)程信息。接著對(duì)各
4、測(cè)試期均進(jìn)行了100次交易測(cè)試以考察策略的選股效果。第四章最后匯總了上述6個(gè)測(cè)試期的100測(cè)試結(jié)果,結(jié)果表明,測(cè)試期為15/06/10-15/07/22,14/01/03-15/08/10和13/01/04-14/01/10的測(cè)試勝率顯著高于50%,分別達(dá)到了72%,75%和91%,而測(cè)試期為11/12/30-13/01/04,14/01/03-15/01/05和11/01/04-12/01/04的勝率分別只有46%,27%和26%。盡
5、管在某些指數(shù)表現(xiàn)不佳的測(cè)試期(15/06/10-15/07/22和13/01/04-14/01/10),策略表現(xiàn)出了一定的優(yōu)勢(shì),但在指數(shù)表現(xiàn)明顯差的測(cè)試期(11/01/04-12/01/04),策略選股的表現(xiàn)也十分不理想??傇u(píng)而言,本文構(gòu)建的選股策略還未能取得穩(wěn)定的較好表現(xiàn),不過(guò)構(gòu)建該策略的思想方法對(duì)股票投資具有一定的借鑒意義,值得投資者做更加深入精細(xì)的研究。
最后一章對(duì)本文所做的研究工作做了總結(jié),并指出了許多后續(xù)值得研究的問(wèn)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SOM和PSO的聚類(lèi)算法研究.pdf
- 基于SOM算法的中文文本聚類(lèi).pdf
- 基于路網(wǎng)感知的時(shí)空軌跡聚類(lèi)算法研究.pdf
- 基于SOM的文本聚類(lèi)模型研究.pdf
- 基于SOM基因聚類(lèi)的基因數(shù)據(jù)組織樣本聚類(lèi).pdf
- 改進(jìn)SOM算法在文本聚類(lèi)中的應(yīng)用.pdf
- 基于SOM的兩階段中文文本聚類(lèi)算法的研究.pdf
- 基于SOM和K-means聚類(lèi)算法的RFM模型分析.pdf
- 軌跡聚類(lèi)與基于高斯過(guò)程回歸模型的軌跡識(shí)別算法研究.pdf
- 移動(dòng)對(duì)象軌跡聚類(lèi)算法研究.pdf
- 基于聚類(lèi)和SOM的復(fù)雜網(wǎng)絡(luò)中社團(tuán)挖掘算法的研究.pdf
- 基于SOM的可視化聚類(lèi)研究.pdf
- 基于密度聚類(lèi)的用戶(hù)軌跡預(yù)測(cè)算法研究.pdf
- 基于SVM的選股算法研究.pdf
- 基于C-OPTICS算法的船舶軌跡聚類(lèi)與應(yīng)用.pdf
- 8131.基于som神經(jīng)網(wǎng)絡(luò)算法的地圖建筑物聚類(lèi)
- 基于仿射變換的船舶軌跡譜聚類(lèi)算法研究.pdf
- 基于Alpha策略的A股投資組合選股研究.pdf
- SOM算法的改進(jìn)及其在中文文本聚類(lèi)的應(yīng)用.pdf
- 基于多因子選股模型的A股投資策略.pdf
評(píng)論
0/150
提交評(píng)論