基于复杂网络的量化选股策略研究

发布时间：2017-04-03 12:04

  本文关键词：基于复杂网络的量化选股策略研究，由笔耕文化传播整理发布。

【摘要】：复杂网络在近年来成为金融市场的研究热点之一,但大部分集中在研究股票市场关联网络的统计特性和拓扑结构,把复杂网络理论应用在量化选股策略中的文献仍比较少。本文使用复杂网络理论模型对沪深300指数成份股构建了股票价格关联性网络,并进行了聚类分析,利用信息增益熵指标筛选股票,并构造了基于复杂网络分块的均值-方差模型来求解投资组合问题,把复杂网络理论有效的运用在量化选股策略中。研究发现,股票市场是一个复杂网络,用沪深300成份股票构建的关联性网络呈现出树状分布,以中心股票为核心,其他股票围绕中心股票向周围伸展,表明局部区域周围股票和中心股票具有非常强的关联性,说明沪深300的成份股具有很强的局部聚集特性。在2010年1月4日到2016年4月25日期间,对沪深300指数成份股构建复杂网络并进行聚类分析,利用信息增益熵指标筛选出35支股票时,策略组合获得最大收益率201.34%,比基于聚类中心的选股策略组合的收益率163.85%提高了22.88%,大幅跑赢同期沪深300指数的收益率-10.56%。对筛选的股票构建基于复杂网络分块结构的均值-方差模型求解投资组合的最优前沿,解决了协方差矩阵为奇异矩阵的情况,同时大大提高了计算效率。结果表明,当构造8分块结构的协方差矩阵时,可以得到最优的投资组合。本文的研究为量化投资提供了一种崭新的选股方法,这对今后复杂网络在量化选股中的应用有重要的理论和指导意义。
【关键词】：复杂网络 量化选股 信息增益熵 分块矩阵
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F832.51
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 绪论12-20
• 1.1 研究背景12-15
• 1.2 研究意义15-16
• 1.3 研究内容和组织架构16-18
• 1.4 研究方法18-19
• 1.5 创新点19-20
• 第二章 国内外文献综述20-30
• 2.1 复杂网络理论概述20-24
• 2.1.1 国外研究现状20-22
• 2.1.2 国内研究现状22-24
• 2.2 复杂网络在量化选股中的研究现状24-30
• 2.2.1 国外研究现状24-27
• 2.2.2 国内研究现状27-30
• 第三章 复杂网络理论30-43
• 3.1 复杂网络的概念30-31
• 3.2 复杂网络的统计特性31-37
• 3.2.1 平均路径长度31-32
• 3.2.2 度和度分布32-33
• 3.2.3 聚类系数33-34
• 3.2.4 中心性34-37
• 3.3 复杂网络的构建和聚类算法37-43
• 3.3.1 股票市场复杂网络模型的构建37-38
• 3.3.2 复杂网络的聚类算法38-43
• 第四章 基于复杂网络的量化选股策略43-50
• 4.1 复杂网络在选股模型中的应用43-46
• 4.1.1 信息熵理论43-45
• 4.1.2 基于信息增益熵的复杂网络量化选股模型45-46
• 4.2 复杂网络在投资组合模型中的应用46-50
• 4.2.1 马克维茨均值-方差投资组合理论46-48
• 4.2.2 基于复杂网络的投资组合模型48-50
• 第五章 基于复杂网络量化选股模型的实证分析50-63
• 5.1 构建股票市场复杂网络50-54
• 5.1.1 数据选取50
• 5.1.2 股票复杂网络的构建50-52
• 5.1.3 股票复杂网络的聚类分析52-54
• 5.2 基于信息增益熵的复杂网络量化选股策略分析54-58
• 5.3 稳健性检验58-60
• 5.4 基于复杂网络分块结构的投资组合分析60-63
• 第六章 总结和展望63-65
• 6.1 总结63
• 6.2 研究展望63-65
• 参考文献65-69
• 致谢69-70

【参考文献】

中国期刊全文数据库 前10条

1 钟韬;彭勤科;;基于社会网络分析的投资组合优选方法[J];系统工程理论与实践;2015年12期

2 吕康娟;黄俐;陆煊;;资本市场中的信息关联及其对投资收益的影响——基于复杂网络视角的实证研究[J];商业经济与管理;2015年09期

3 朱国燕;朱家明;翟浩;吴秀盟;;基于有向复杂网络的我国股市股票相关性分析[J];时代金融;2015年12期

4 张来军;杨治辉;路飞飞;;基于复杂网络理论的股票指标关联性实证分析[J];中国管理科学;2014年12期

5 董雪t，

本文编号：284272