基于价格变化分解模型的股票高频交易策略研究
发布时间：2021-01-13 16:17
高频交易数据一般是时间间隔较短（低于一日）的证券交易数据,相比之下,高频交易数据具有记录间隔不等、数据离散化、存在日模式以及多笔交易同时发生等特征。在对高频数据进行分析时,将具有复杂变化模式的数据进行分解,并通过整合模型来提高分析的准确率和可靠性是一种重要的方法。本文旨在应用价格变化分解模型对高频交易数据进行研究。首先,在介绍价格变化分解基本原理的基础上,分别讨论对分解后各个部分进行建模的恰当方法。研究表明,对于价格变化指示变量和价格变化方向,使用Logistic回归建立模型;而对于价格变化大小,本文对它进行了详细的研究,利用1+几何分布,1+泊松分布和Logistic回归建立了三个模型,经对比发现,Logistic回归对不同类型数据的拟合效果最好,对数据的兼容性更强。然后,给出了整合后ADS模型的估计、检验、评价以及变量选择的方法,较为系统地解决了基于价格变化分解模型研究高频数据的问题。同时,本文利用Logistic回归模型对中国银行的五分钟交易数据进行拟合,根据拟合得到的参数,计算得到价格是否变化、变化方向及变化大小的相关概率,由此制定了一套基于价格变化分解模型的股票交易策略。该策...
【文章来源】：浙江师范大学浙江省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
价格变化指示变量iA的自相关函数图
图 2 价格变化指示变量iD 的自相关函数图 2 可见，iD 序列存在非常明显的一阶滞后负相关[31]，但对于更高的滞后不存在相关性。因此为了模型的简洁但又不失有效性，我们选择用iD 阶作为解释变量来建立模型。为了对iS 序列的自相关性进行研究，我们给出序列iS 的样本自相关函3。图 3 价格变化指示变量S 的自相关函数图
图 2 价格变化指示变量iD 的自相关函数图 2 可见，iD 序列存在非常明显的一阶滞后负相关[31]，但对于更高的滞不存在相关性。因此为了模型的简洁但又不失有效性，我们选择用D阶作为解释变量来建立模型。为了对iS 序列的自相关性进行研究，我们给出序列iS 的样本自相关函
【参考文献】：
期刊论文
[1]NEW PROOFS OF THE DECAY ESTIMATE WITH SHARP RATE OF THE GLOBAL WEAK SOLUTION OF THE n-DIMENSIONAL INCOMPRESSIBLE NAVIER-STOKES EQUATIONS[J]. Linghai Zhang. Annals of Applied Mathematics. 2018(04)
[2]构建网络热度因子模型分析股价运动规律[J]. 王正炜. 中国市场. 2018(27)
[3]平滑转换向量乘积误差模型及对中国股市高频交易数据的应用[J]. 李俊功,鲁万波. 数理统计与管理. 2018(06)
[4]基于平滑ARIMA-LS-SVM组合模型的股价预测研究[J]. 尚卫平,戴昱. 区域金融研究. 2018(05)
[5]一种基于多特征的恶意代码家族静态标注方法[J]. 刘亮,刘露平,何帅,刘嘉勇. 信息安全研究. 2018(04)
[6]带交易费用的在线投资组合策略[J]. 何锦安,袁佳鑫,赖明聪,张士瑜. 价值工程. 2017(01)
[7]基于赤池信息准则的分类回归决策树剪枝算法[J]. 杨贵军,孟杰,王双喜. 计算机应用. 2014(S2)
[8]利用成交量概率模型解释股价波动[J]. 李香丽,孙绍荣. 技术经济与管理研究. 2013(07)
[9]国外高频交易的发展现状及启示[J]. 郭朋. 证券市场导报. 2012(07)
[10]金融高频数据分析的现状与问题研究[J]. 常宁,徐国祥. 财经研究. 2004(03)
硕士论文
[1]基于PCA-SVM-GARCH模型的股价预测[D]. 景秋玉.首都经济贸易大学 2018
[2]高频数据的统计套利策略应用[D]. 周河源.首都经济贸易大学 2018
[3]基于局部均值分解的高频数据波动率估计[D]. 李巧玲.长春工业大学 2018
[4]基于PCA-GA-BPNN模型对股价预测的研究[D]. 李海燕.西安理工大学 2018
[5]基于VPIN的实证研究及高频交易策略设计[D]. 张晨.山东大学 2018
[6]基于深度学习的LM跳侦测高频量化交易策略研究[D]. 张浩林.广东工业大学 2018
[7]基于动态贝叶斯网络的股价动态模型与其在中国市场上的应用研究[D]. 李娅.山东大学 2018
[8]基于稳定分布的高频交易研究[D]. 孙晓姿.郑州大学 2016
[9]高频交易策略投资组合模型及其应用研究[D]. 孙梦荣.首都经济贸易大学 2015
[10]高频交易在中国证券市场的应用研究[D]. 胡天福.上海交通大学 2012
本文编号：2975176
【文章来源】：浙江师范大学浙江省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
价格变化指示变量iA的自相关函数图
图 2 价格变化指示变量iD 的自相关函数图 2 可见，iD 序列存在非常明显的一阶滞后负相关[31]，但对于更高的滞后不存在相关性。因此为了模型的简洁但又不失有效性，我们选择用iD 阶作为解释变量来建立模型。为了对iS 序列的自相关性进行研究，我们给出序列iS 的样本自相关函3。图 3 价格变化指示变量S 的自相关函数图
图 2 价格变化指示变量iD 的自相关函数图 2 可见，iD 序列存在非常明显的一阶滞后负相关[31]，但对于更高的滞不存在相关性。因此为了模型的简洁但又不失有效性，我们选择用D阶作为解释变量来建立模型。为了对iS 序列的自相关性进行研究，我们给出序列iS 的样本自相关函
【参考文献】：
期刊论文
[1]NEW PROOFS OF THE DECAY ESTIMATE WITH SHARP RATE OF THE GLOBAL WEAK SOLUTION OF THE n-DIMENSIONAL INCOMPRESSIBLE NAVIER-STOKES EQUATIONS[J]. Linghai Zhang. Annals of Applied Mathematics. 2018(04)
[2]构建网络热度因子模型分析股价运动规律[J]. 王正炜. 中国市场. 2018(27)
[3]平滑转换向量乘积误差模型及对中国股市高频交易数据的应用[J]. 李俊功,鲁万波. 数理统计与管理. 2018(06)
[4]基于平滑ARIMA-LS-SVM组合模型的股价预测研究[J]. 尚卫平,戴昱. 区域金融研究. 2018(05)
[5]一种基于多特征的恶意代码家族静态标注方法[J]. 刘亮,刘露平,何帅,刘嘉勇. 信息安全研究. 2018(04)
[6]带交易费用的在线投资组合策略[J]. 何锦安,袁佳鑫,赖明聪,张士瑜. 价值工程. 2017(01)
[7]基于赤池信息准则的分类回归决策树剪枝算法[J]. 杨贵军,孟杰,王双喜. 计算机应用. 2014(S2)
[8]利用成交量概率模型解释股价波动[J]. 李香丽,孙绍荣. 技术经济与管理研究. 2013(07)
[9]国外高频交易的发展现状及启示[J]. 郭朋. 证券市场导报. 2012(07)
[10]金融高频数据分析的现状与问题研究[J]. 常宁,徐国祥. 财经研究. 2004(03)
硕士论文
[1]基于PCA-SVM-GARCH模型的股价预测[D]. 景秋玉.首都经济贸易大学 2018
[2]高频数据的统计套利策略应用[D]. 周河源.首都经济贸易大学 2018
[3]基于局部均值分解的高频数据波动率估计[D]. 李巧玲.长春工业大学 2018
[4]基于PCA-GA-BPNN模型对股价预测的研究[D]. 李海燕.西安理工大学 2018
[5]基于VPIN的实证研究及高频交易策略设计[D]. 张晨.山东大学 2018
[6]基于深度学习的LM跳侦测高频量化交易策略研究[D]. 张浩林.广东工业大学 2018
[7]基于动态贝叶斯网络的股价动态模型与其在中国市场上的应用研究[D]. 李娅.山东大学 2018
[8]基于稳定分布的高频交易研究[D]. 孙晓姿.郑州大学 2016
[9]高频交易策略投资组合模型及其应用研究[D]. 孙梦荣.首都经济贸易大学 2015
[10]高频交易在中国证券市场的应用研究[D]. 胡天福.上海交通大学 2012
本文编号：2975176
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/2975176.html
