关于程序化交易几类新方法的探讨

发布时间：2017-12-31 06:37

本文关键词：关于程序化交易几类新方法的探讨　出处：《华东师范大学》2016年博士论文　论文类型：学位论文

【摘要】：随着计算机技术的飞速发展,程序化交易已成为金融市场上主流的发展方向,人们对于程序化交易的研究也越来越丰富。本文重点探讨程序化交易的策略方法。依据策略所用到的金融产品数量,分别讨论两个品种的交易策略以及单一品种的交易策略。对于两个金融产品,我们首先考虑它们之间的价格走势配对问题,并且设计基于互相关性的统计套利交易方法。对于单一品种,我们重点研究基于平稳过程的择时交易策略。在进行套利交易前,投资者可以通过价格走势的匹配程度来确定交易标的。目前常用的手段是基于机器学习和模式分类的方法进行识别,但这些方法在实际应用中依赖于样本的选择,无法重复使用。由此,第一部分中本文提出了基于Monge问题的价格走势配对方法。Monge问题原本考虑的是如何对两个土堆进行搬运从而找到能量花费最小的输运方案。将其应用到价格走势配对分析中,我们将两个金融产品的价格走势图看成是两个土堆,如果走势匹配度较高,则对应土堆之间的最优输运能量较低。该方法对于价格走势的匹配可以不依赖于历史样本的训练。由于原始的Monge问题考虑的是实际输运情况,所使用的是欧几里得距离。为了增加走势图匹配结果的区分度,我们提出了|·|p距离,并推导出了Monge问题在|·|p距离下的极小化变分形式,通过该变分形式可以得到如下关于H(x,y)的拟线性椭圆型偏微分方程：对于该模型的求解,我们根据其对称特性使用交替下降法设计数值算法。并将该算法应用到中国人寿、中国太保、中信银行以及乐视网这四家上市公司的股价走势图上。从匹配结果可以看到,同属于保险行业的中国人寿与中国太保走势最为接近,而中国太保相对于创业板的乐视网最为不匹配。与使用欧几里得距离结果相比,|·|p距离随着p的增大,模型能够有效地放大走势之间的不匹配性,从而使得区分度更为明显。第二部分中,我们主要研究期货与现货市场间的统计套利交易。以国债ETF及国债期货合约为例,设计基于互相关性的统计套利策略。首先通过Qcc统计量发觉这两种金融产品的回报序列具有互相关性。然后通过互相关系数以及DCCA方法对价格数据进行分析,验证价格序列间存在着长时间互相关性。我们在构建统计套利交易策略时,对于两组价格序列{xt),{yt),使用如下线性模型xt-βtyt=αt+ut。常规对于模型参数的估计使用最小二乘法。但是基于所验证的互相关关系,我们使用DFA回归模型对参数进行估计,以此设计相应的统计套利策略。经过实际市场数据回测后,可以看到基于DFA回归估计得到的模型所建立的策略累计收益率要明显优于最小二乘法建立的策略。因此,通过互相关性给统计套利的研究提供了一种新的思路。第三部分中,我们着重研究单一品种的择时交易策略。根据Wang和Zheng[112]提出的基于平稳过程的程序化交易模型,我们得到如下结论：假设价格序列的对数增量强平稳,依据强平稳过程发出的交易信号进行交易,随着交易次数的增加,平均对数收益将几乎处处收敛。有了该收敛性质之后,当收敛到一个正数时,交易策略所获得的累计对数收益就能够稳定向上地增长。在此理论基础上,我们使用不同的技术指标构造平稳过程。首先,我们使用单一时间的技术指标来构造强平稳过程,以此建立的投资策略具有稳定的收益回报。此外,我们提出了多重时间周期结构模型,并将基于MACD构造的强平稳过程应用在多周期结构上。以此设计的策略能够将不同周期策略的优势结合在一起,得到了年化收益率为42.8%,夏普比率为3.07的投资收益,并且该策略所获得的平均单次对数收益具有收敛性。而后,我们引入成交量信息,对多重时间周期策略进行修改,提出了二维平稳交易模型。历史回测结果显示在引入成交量信息之后,能够有效过滤虚假信号从而提高夏普比率。最后,我们将机器学习的想法引入到策略设计中,提出了自适应市场的交易策略。通过输入历史的平稳技术指标使用简单的线性模型训练得到一个黑箱模型,并以此作为交易准则发出信号,同样获得了较为稳定的收益。并且随着交易次数的增加,平均单次对数收益具有收敛性质。该部分内容不仅在理论上具有创新性,也具有重要的应用价值。
[Abstract]:With the rapid development of computer technology , programmed transaction has become the mainstream development trend in financial market , and the research on programmed transaction is more and more abundant . In the third part , we put forward multiple time period structure models , and then use the technique index of single time to construct a stable process .

【学位授予单位】：华东师范大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：F832.5

【相似文献】