生成数据在多因子模型的Alpha策略和Beta策略中的研究

发布时间：2023-02-11 08:33

　　量化投资作为一种主动型的投资方法,是指通过对数学模型和计算机技术的使用,将投资理念和投资策略实现的过程。其中,多因子模型是目前被广泛应用的量化模型之一。多因子模型的Alpha策略和Beta策略,也即选股和择时策略是两类基于不同出发点,来获取超额收益的投资策略。但在股票市场中,由于股票退市及金融数据的马尔科夫特性,导致实际应用中,股票的数据量较少,因此,为了更好地应用多因子模型,本文通过训练生成对抗网络模型(GAN)学习原始数据的分布规律,生成新的样本数据,对原始数据进行扩充,并将其应用于构建的多因子Alpha策略及Beta策略中。首先,本文使用2013年1月1日到2018年1月1日的沪深300股票池及沪深300指数数据分别训练生成对抗网络模型,并生成和真实数据分布相似的伪数据,用于后续分析。其次,构建Alpha策略,确定候选因子并进行数据的预处理,包括去极值、中性化和标准化;通过构建各因子的特征组合选取有效因子,并建立基于IR加权的Alpha策略;对比加入伪数据前后策略的效果,结果表明,加入伪数据在一定程度上可以对Alpha策略产生影响。最后建立Beta策略,本文建立基于支持向量机(S...

【文章页数】：40 页

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状分析及发展趋势
    1.3 研究思路与论文结构
    1.4 本文特色与创新
第2章 GAN模型构建及伪数据的生成
    2.1 GAN模型相关理论基础
    2.2 GAN模型的数学推导
    2.3 GAN模型构建及伪数据的生成
        2.3.1 数据获取及预处理
        2.3.2 GAN模型构建
        2.3.3 评估指标与实验结果
第3章 生成数据在Alpha策略中的研究
    3.1 Alpha策略相关理论
    3.2 Alpha策略的构建
        3.2.1 数据及候选因子的选取
        3.2.2 因子的有效性检验
        3.2.3 Alpha策略的构建
    3.3 生成数据在Alpha策略中的应用
第4章 生成数据在Beta策略中的研究
    4.1 Beta策略相关基本概念
    4.2 Beta策略的构建
        4.2.1 数据获取与预处理
        4.2.2 Beta策略的构建
    4.3 生成数据在Beta策略中的应用
第5章 结论与展望
    5.1 结论
    5.2 不足与展望
参考文献
致谢



本文编号：3740057