基于变量选择和遗传网络规划的期货高频交易策略研究
本文关键词:基于变量选择和遗传网络规划的期货高频交易策略研究
更多相关文章: 遗传网络规划 变量选择 Q强化学习 智能计算 高频交易
【摘要】:高频交易在当前国际金融市场上炙手可热,股指期货的推出、融资融券和转融通业务的开通,使得我国高频交易市场初现端倪。本文立足于我国金融衍生品市场的现状提出了基于LASSO变量选择方法和遗传网络规划的期货高频交易策略。该策略首先使用LASSO从众多技术指标中,选出极少数最有效的指标作为判断函数,然后通过一种进化算法遗传网络规划来搜索合适的买点和买点,从而构建交易策略,并以黄金、铝和橡胶期货的5分钟高频交易数据为例进行回测检验。结果显示:第一,与最优子集法相比,LASSO方法在不降低预测精度的情况下,选出的指标数量最少,且均集中在趋势指标和震荡指标中。第二,通过结合遗传网络规划模型与Q强化学习法,搜索效率得到了显著提高,构建出适合于衍生品市场的简洁有效的交易策略,且在不同品种的期货交易中均超越了"买入并持有"策略,并获取超额收益,在量化投资领域充分体现了实践价值。
【作者单位】: 上海财经大学统计与管理学院;深圳市福田区发展研究中心;
【关键词】: 遗传网络规划 变量选择 Q强化学习 智能计算 高频交易
【基金】:国家自然科学基金资助项目(71271128,71331006,71571113) 长江学者和创新团队发展计划(上海财经大学,IRT13077) 上海财经大学创新团队支持计划
【分类号】:F724.5
【正文快照】: 55 高频交易又称量化交易、程序化交易,是指借助现代统计学和金融工程的理论和方法,利用计 算机技术从海量历史数据中选择能带来超额收益 的多种“大概率”事件以制定策略,并用数学模型 验证、固化和执行这些策略,以求获得持续、稳定 的超额回报。高频交易策略可以在毫秒甚至
【参考文献】
中国期刊全文数据库 前10条
1 马明;李松;;基于遗传算法优化混沌神经网络的股票指数预测[J];商业研究;2010年11期
2 陈晓红,朱霞;基于神经网络的期货套期保值决策支持系统[J];管理科学学报;2001年06期
3 王燕青,唐万生,韩其恒;基于遗传算法的概率准则组合证券模拟求解[J];管理科学学报;2002年06期
4 胡冰,潘福铮,胡清锋;遗传算法在股票短期投资决策中的运用[J];系统工程理论与实践;2003年02期
5 吴德胜,梁j;遗传算法优化神经网络及信用评价研究[J];中国管理科学;2004年01期
6 叶五一;李磊;缪柏其;;高频连涨连跌收益率的相依结构以及CVaR分析[J];中国管理科学;2013年01期
7 任德平;龚旭;文凤华;杨晓光;;中国股票投资者的处置效应检验和参考价格选择[J];中国管理科学;2013年03期
8 王鹏;吕永健;;基于不同记忆性异方差模型的中国股票市场波动率预测[J];中国管理科学;2013年S1期
9 唐衍伟;陈刚;刘喜华;;无漂移算术布朗运动下股指期货套期保值连续出清策略[J];中国管理科学;2014年02期
10 王良;冯涛;;基于两阶段决策的封闭式基金价格控制问题研究[J];中国管理科学;2014年02期
【共引文献】
中国期刊全文数据库 前10条
1 张冬梅;刘强;;一种基于强化学习的传感器网络应用重构决策方法[J];北京交通大学学报;2010年03期
2 杨宝臣;王立芹;卢宇;;遗传算法在指数投资组合中的应用[J];北京航空航天大学学报(社会科学版);2005年04期
3 杨萍;毕义明;孙淑玲;;具有自主决策能力的机动单元智能体研究[J];兵工学报;2007年11期
4 赵晓华;李振龙;于泉;张杰;;基于切换模型的两交叉口信号灯Q学习协调控制[J];北京工业大学学报;2007年11期
5 孙若莹;李忱;赵刚;;基于强化学习的牛鞭效应对策模型[J];北京信息科技大学学报(自然科学版);2011年01期
6 王华;崔晓婷;刘向东;张宇河;;基于Q-学习的卫星姿态在线模糊神经网络控制[J];北京理工大学学报;2006年03期
7 郭志钢,张晶,朱小梅,潘昱;概率准则意义下基于VaR的证券组合模型遗传算法优化仿真[J];北京联合大学学报(自然科学版);2005年03期
8 霍海涛;;高科技中小企业信用风险指标体系及其评价方法[J];北京理工大学学报(社会科学版);2012年01期
9 毕金波,吴沧浦;有效的自适应λ即时差异学习(英文)[J];Journal of Beijing Institute of Technology(English Edition);1999年03期
10 童亮;陆际联;;Multi-Agent Reinforcement Learning Algorithm Based on Action Prediction[J];Journal of Beijing Institute of Technology(English Edition);2006年02期
中国重要会议论文全文数据库 前10条
1 毛剑琳;向凤红;冯丽辉;;一种改进的IEEE802.15.4自适应实时带宽分配策略[A];第二十七届中国控制会议论文集[C];2008年
2 马丽;刘惟一;;多个交通路口调度博弈模型及其均衡求解的增强学习算法[A];第二十七届中国控制会议论文集[C];2008年
3 ;Complexity Analysis of Quantum Reinforcement Learning[A];第二十九届中国控制会议论文集[C];2010年
4 黄文华;王仁明;;用遗传算法求解全系数模糊证券投资组合模型[A];湖北省机械工程学会青年分会2006年年会暨第2届机械学院院长(系主任)会议论文集(下)[C];2006年
5 朴松昊;洪炳熔;褚海涛;;基于BDI的多Agent协作模型研究[A];2003中国控制与决策学术年会论文集[C];2003年
6 刘长有;孙光余;;一种应用Elman型回归网络的Q-学习[A];2004中国控制与决策学术年会论文集[C];2004年
7 邹亮;徐建闽;;基于Q-learning的电子地图动态最短路径求解方法[A];2005中国控制与决策学术年会论文集(下)[C];2005年
8 ;Hybrid Q-learning Algorithm About Cooperation in MAS[A];2009中国控制与决策会议论文集(3)[C];2009年
9 ;An Adaptive Inventory Control for a Supply Chain[A];2009中国控制与决策会议论文集(3)[C];2009年
10 谢志华;郑应平;;基于再励学习的排队系统优化控制[A];1995年中国控制会议论文集(下)[C];1995年
中国博士学位论文全文数据库 前10条
1 王作为;具有认知能力的智能机器人行为学习方法研究[D];哈尔滨工程大学;2010年
2 高延增;超小型水下机器人关键性能提升技术研究[D];华南理工大学;2010年
3 张目;高技术企业信用风险影响因素及评价方法研究[D];电子科技大学;2010年
4 黄正行;临床过程分析与优化技术研究[D];浙江大学;2010年
5 林龙信;仿生水下机器人的增强学习控制方法研究[D];国防科学技术大学;2010年
6 冯奇;POMDP近似解法研究及在中医诊疗方案优化中的应用[D];北京交通大学;2011年
7 孙祥;大学生就业区域流向及引导策略研究[D];合肥工业大学;2011年
8 陈学松;强化学习及其在机器人系统中的应用研究[D];广东工业大学;2011年
9 李睿;信用评估与信用卡欺诈侦测的智能决策系统研究[D];华南理工大学;2011年
10 李s,
本文编号:893678
本文链接:https://www.wllwen.com/guanlilunwen/zhqtouz/893678.html