基于深度学习的股市量化交易系统设计与实现
发布时间：2021-08-19 16:49
中国资本市场是一个高速发展、前景广阔的市场,大数据、区块链和人工智能等金融科技与证券行业的融合不断深化,推动资本市场环境向着智能化、定制化、虚拟化的方向不断演进。量化交易是指在公开的资本市场上,通过对一系列资产进行有计划的买卖操作,实现规避风险和资产增值目的的投资行为。人工智能技术参与证券市场分析研判,预测股价波动和模拟股票交易等研究蓬勃发展,为传统量化交易领域提供了跨越式发展的新动力和新引擎。本文首先对近年来深度学习技术与股市量化交易领域相结合的成功案例进行了研究综述,梳理了深度学习在量化交易领域中的主要应用,归纳了当前深度学习技术在该领域中优势和局限性。然后从算法层面阐述了量化交易中的相关问题,对证券资产管理与量化交易策略进行了数学抽象,设计并实现了结合股市预测与投资决策于一体的量化交易系统。该系统从经典的资产组合管理角度出发,通过操作一系列股票资产,利用深度时间序列模型预测股票价格波动,利用深度强化学习算法控制交易决策,实现了由算法和数据“双轮驱动”的自动交易系统。最后结合VNPY量化交易框架基本原理,阐述了如何将深度学习算法嵌入到量化交易平台中进行实盘交易,并利用模拟交易环境对...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：106 页
【学位级别】：硕士
【部分图文】：
图３－１持有期和交易期示意图??在持有期ｔ－ｌ内，持有的股票份额不发生变化，始终为Ｖｔ＿ｉ，但是由于股价??
山东大学硕士学位论文??／?＞｜｜ｒ?－＾Ｑ－Ｌｅａｍｉｎｇ＾－＞＾ＤｕｅｌｆｎｇＤＱＮ?）：??值麵优化?ｊ］?、＾?Ｎｓｖ＾—：??—＾?叫策麵动态一法丨〕?＾＿?；??强鮮习?’？?ｉ?一??算法－?；＾Ａｃｔｏｒ－Ｃｒｉｔｉｃ?Ｗ?＾?Ｊ：??＾＾?／?＾丨「策＿度?ＴＰ：）丨」??｜??一策略优化：?＾￣一＾?ｉ??思想?ｉ???：???ｑ摩１?策一法Ｉ??图３－２?Ｍｏｄｅｌ?Ｆｒｅｅ算法分类??强化学习算法本质上是连续的马尔科夫决策（Ｍａｒｋｏｖ?Ｄｅｃｉｓｉｏｎ?Ｐｒｏｃｅｓｓ）过??程，决策部分可以视为一个智能体（Ａｇｅｎｔ），智能体所面对的环境（Ｅｎｖｉｒｏｎｍｅｎｔ）??拥有状态（Ｓｔａｔｅ），智能体与环境进行交互，执行动作（Ａｃｔｉｏｎ）并观察环境带来??的奖励（Ｒｅｗａｒｄ），然后智能体根据奖励的大小再决定下一步动作。为了获得更??多的奖励，算法需要训练智能体不断的在环境中进行尝试，让智能体学习到状态、??动作和奖励之间的关系，也就是让智能体学习到行动策略（Ｐｏｌｉｃｅ如图３－３，??ｓ?ｅ?Ｓ表示环境的状态空间，ａ?Ｅ?Ａ表示采取行动空间，ｒ?ｅ?Ｒ表示行动获得的奖励，??ｉｉ（ａ｜Ｓ：）表示策略，是行动关于环境的条件分布。??／?＼??＿＿ｗ智能体?’??（?Ｃ?Ａｇｅｎｔ?策略瓦—＾??／?－讓一?＼??状态?■奖励＾?’??Ｓｔ?Ｉ?Ｒｔ?？??］?Ｔ＝１，２”？？？））?＾??：奖励?＜ｒ＾??■?ｉ?Ｒｔ＋１???Ｌ?ＩＴ?环境?＜???Ｅｎｖｉｒｏｎｍｅｎｔ?＾??．状态｜?????Ｓｔ＋１
山东大学硕士学位论文??／?＞｜｜ｒ?－＾Ｑ－Ｌｅａｍｉｎｇ＾－＞＾ＤｕｅｌｆｎｇＤＱＮ?）：??值麵优化?ｊ］?、＾?Ｎｓｖ＾—：??—＾?叫策麵动态一法丨〕?＾＿?；??强鮮习?’？?ｉ?一??算法－?；＾Ａｃｔｏｒ－Ｃｒｉｔｉｃ?Ｗ?＾?Ｊ：??＾＾?／?＾丨「策＿度?ＴＰ：）丨」??｜??一策略优化：?＾￣一＾?ｉ??思想?ｉ???：???ｑ摩１?策一法Ｉ??图３－２?Ｍｏｄｅｌ?Ｆｒｅｅ算法分类??强化学习算法本质上是连续的马尔科夫决策（Ｍａｒｋｏｖ?Ｄｅｃｉｓｉｏｎ?Ｐｒｏｃｅｓｓ）过??程，决策部分可以视为一个智能体（Ａｇｅｎｔ），智能体所面对的环境（Ｅｎｖｉｒｏｎｍｅｎｔ）??拥有状态（Ｓｔａｔｅ），智能体与环境进行交互，执行动作（Ａｃｔｉｏｎ）并观察环境带来??的奖励（Ｒｅｗａｒｄ），然后智能体根据奖励的大小再决定下一步动作。为了获得更??多的奖励，算法需要训练智能体不断的在环境中进行尝试，让智能体学习到状态、??动作和奖励之间的关系，也就是让智能体学习到行动策略（Ｐｏｌｉｃｅ如图３－３，??ｓ?ｅ?Ｓ表示环境的状态空间，ａ?Ｅ?Ａ表示采取行动空间，ｒ?ｅ?Ｒ表示行动获得的奖励，??ｉｉ（ａ｜Ｓ：）表示策略，是行动关于环境的条件分布。??／?＼??＿＿ｗ智能体?’??（?Ｃ?Ａｇｅｎｔ?策略瓦—＾??／?－讓一?＼??状态?■奖励＾?’??Ｓｔ?Ｉ?Ｒｔ?？??］?Ｔ＝１，２”？？？））?＾??：奖励?＜ｒ＾??■?ｉ?Ｒｔ＋１???Ｌ?ＩＴ?环境?＜???Ｅｎｖｉｒｏｎｍｅｎｔ?＾??．状态｜?????Ｓｔ＋１
【参考文献】：
期刊论文
[1]中国金融科技思想的发展脉络与前沿动态:文献述评[J]. 董昀,李鑫. 金融经济学研究. 2019(05)
[2]智能投顾是否智能？[J]. 王倩,徐亚钊. 金融市场研究. 2019(10)
[3]机器学习驱动的基本面量化投资研究[J]. 李斌,邵新月,李玥阳. 中国工业经济. 2019(08)
[4]金融科技与金融机构风险管理[J]. 俞勇. 上海金融. 2019(07)
[5]场景效应还是内容效应?——财经新闻、网络舆情对股市行情的实证检验[J]. 程萧潇. 统计与信息论坛. 2019(07)
[6]量化策略在A股市场的机遇和挑战[J]. 高迎坤,杨慧,冯镝静,樊辉. 中国集体经济. 2019(18)
[7]引入新闻短文本的个股走势预测模型[J]. 张梦吉,杜婉钰,郑楠. 数据分析与知识发现. 2019(05)
[8]基于文本价格融合模型的股票趋势预测[J]. 余传明,龚雨田,王峰,安璐. 数据分析与知识发现. 2018(12)
[9]大数据时代:人工智能与商业银行创新[J]. 李佳,钱晨,黄之豪. 新金融. 2018(12)
[10]监管科技（Suptech）:内涵、运用与发展趋势研究[J]. 何海锋,银丹妮,刘元兴. 金融监管研究. 2018(10)
本文编号：3351778
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：106 页
【学位级别】：硕士
【部分图文】：
图３－１持有期和交易期示意图??在持有期ｔ－ｌ内，持有的股票份额不发生变化，始终为Ｖｔ＿ｉ，但是由于股价??
山东大学硕士学位论文??／?＞｜｜ｒ?－＾Ｑ－Ｌｅａｍｉｎｇ＾－＞＾ＤｕｅｌｆｎｇＤＱＮ?）：??值麵优化?ｊ］?、＾?Ｎｓｖ＾—：??—＾?叫策麵动态一法丨〕?＾＿?；??强鮮习?’？?ｉ?一??算法－?；＾Ａｃｔｏｒ－Ｃｒｉｔｉｃ?Ｗ?＾?Ｊ：??＾＾?／?＾丨「策＿度?ＴＰ：）丨」??｜??一策略优化：?＾￣一＾?ｉ??思想?ｉ???：???ｑ摩１?策一法Ｉ??图３－２?Ｍｏｄｅｌ?Ｆｒｅｅ算法分类??强化学习算法本质上是连续的马尔科夫决策（Ｍａｒｋｏｖ?Ｄｅｃｉｓｉｏｎ?Ｐｒｏｃｅｓｓ）过??程，决策部分可以视为一个智能体（Ａｇｅｎｔ），智能体所面对的环境（Ｅｎｖｉｒｏｎｍｅｎｔ）??拥有状态（Ｓｔａｔｅ），智能体与环境进行交互，执行动作（Ａｃｔｉｏｎ）并观察环境带来??的奖励（Ｒｅｗａｒｄ），然后智能体根据奖励的大小再决定下一步动作。为了获得更??多的奖励，算法需要训练智能体不断的在环境中进行尝试，让智能体学习到状态、??动作和奖励之间的关系，也就是让智能体学习到行动策略（Ｐｏｌｉｃｅ如图３－３，??ｓ?ｅ?Ｓ表示环境的状态空间，ａ?Ｅ?Ａ表示采取行动空间，ｒ?ｅ?Ｒ表示行动获得的奖励，??ｉｉ（ａ｜Ｓ：）表示策略，是行动关于环境的条件分布。??／?＼??＿＿ｗ智能体?’??（?Ｃ?Ａｇｅｎｔ?策略瓦—＾??／?－讓一?＼??状态?■奖励＾?’??Ｓｔ?Ｉ?Ｒｔ?？??］?Ｔ＝１，２”？？？））?＾??：奖励?＜ｒ＾??■?ｉ?Ｒｔ＋１???Ｌ?ＩＴ?环境?＜???Ｅｎｖｉｒｏｎｍｅｎｔ?＾??．状态｜?????Ｓｔ＋１
山东大学硕士学位论文??／?＞｜｜ｒ?－＾Ｑ－Ｌｅａｍｉｎｇ＾－＞＾ＤｕｅｌｆｎｇＤＱＮ?）：??值麵优化?ｊ］?、＾?Ｎｓｖ＾—：??—＾?叫策麵动态一法丨〕?＾＿?；??强鮮习?’？?ｉ?一??算法－?；＾Ａｃｔｏｒ－Ｃｒｉｔｉｃ?Ｗ?＾?Ｊ：??＾＾?／?＾丨「策＿度?ＴＰ：）丨」??｜??一策略优化：?＾￣一＾?ｉ??思想?ｉ???：???ｑ摩１?策一法Ｉ??图３－２?Ｍｏｄｅｌ?Ｆｒｅｅ算法分类??强化学习算法本质上是连续的马尔科夫决策（Ｍａｒｋｏｖ?Ｄｅｃｉｓｉｏｎ?Ｐｒｏｃｅｓｓ）过??程，决策部分可以视为一个智能体（Ａｇｅｎｔ），智能体所面对的环境（Ｅｎｖｉｒｏｎｍｅｎｔ）??拥有状态（Ｓｔａｔｅ），智能体与环境进行交互，执行动作（Ａｃｔｉｏｎ）并观察环境带来??的奖励（Ｒｅｗａｒｄ），然后智能体根据奖励的大小再决定下一步动作。为了获得更??多的奖励，算法需要训练智能体不断的在环境中进行尝试，让智能体学习到状态、??动作和奖励之间的关系，也就是让智能体学习到行动策略（Ｐｏｌｉｃｅ如图３－３，??ｓ?ｅ?Ｓ表示环境的状态空间，ａ?Ｅ?Ａ表示采取行动空间，ｒ?ｅ?Ｒ表示行动获得的奖励，??ｉｉ（ａ｜Ｓ：）表示策略，是行动关于环境的条件分布。??／?＼??＿＿ｗ智能体?’??（?Ｃ?Ａｇｅｎｔ?策略瓦—＾??／?－讓一?＼??状态?■奖励＾?’??Ｓｔ?Ｉ?Ｒｔ?？??］?Ｔ＝１，２”？？？））?＾??：奖励?＜ｒ＾??■?ｉ?Ｒｔ＋１???Ｌ?ＩＴ?环境?＜???Ｅｎｖｉｒｏｎｍｅｎｔ?＾??．状态｜?????Ｓｔ＋１
【参考文献】：
期刊论文
[1]中国金融科技思想的发展脉络与前沿动态:文献述评[J]. 董昀,李鑫. 金融经济学研究. 2019(05)
[2]智能投顾是否智能？[J]. 王倩,徐亚钊. 金融市场研究. 2019(10)
[3]机器学习驱动的基本面量化投资研究[J]. 李斌,邵新月,李玥阳. 中国工业经济. 2019(08)
[4]金融科技与金融机构风险管理[J]. 俞勇. 上海金融. 2019(07)
[5]场景效应还是内容效应?——财经新闻、网络舆情对股市行情的实证检验[J]. 程萧潇. 统计与信息论坛. 2019(07)
[6]量化策略在A股市场的机遇和挑战[J]. 高迎坤,杨慧,冯镝静,樊辉. 中国集体经济. 2019(18)
[7]引入新闻短文本的个股走势预测模型[J]. 张梦吉,杜婉钰,郑楠. 数据分析与知识发现. 2019(05)
[8]基于文本价格融合模型的股票趋势预测[J]. 余传明,龚雨田,王峰,安璐. 数据分析与知识发现. 2018(12)
[9]大数据时代:人工智能与商业银行创新[J]. 李佳,钱晨,黄之豪. 新金融. 2018(12)
[10]监管科技（Suptech）:内涵、运用与发展趋势研究[J]. 何海锋,银丹妮,刘元兴. 金融监管研究. 2018(10)
本文编号：3351778
本文链接：https://www.wllwen.com/guanlilunwen/bankxd/3351778.html
