基于局部相似性分析的股票市场投资策略研究
本文关键词:基于局部相似性分析的股票市场投资策略研究 出处:《山东大学》2017年硕士论文 论文类型:学位论文
更多相关文章: 局部相似 股票市场 投资策略 股票联动性 量化模型
【摘要】:随着经济的发展,人民生活水平的提高,越来越多的人开始投资理财,将自已的闲钱投资于股票、债券、基金等金融产品。其中,股票市场无疑是前几年最火热的一个地方。无论是散户还是机构投资者,都迫切地希望自已能够在股市中能够大赚一笔。我们发现股票市场经常出现一种同变现象,股票之间的关联度非常高。股票市场联动性的研究不仅能够帮助投资者分析股票信息、掌握市场动态,还能够协助投资者作出相对正确的投资策略,从而实现收益增加。就目前来说,股票联动性的研究很少涉及到个股之间,反而研究比较多的是地域之间、板块之间的研究。为了探索股票市场个股之间的相关关系,本文运用局部相似分析方法来研究个股之间的相似区间以及位置关系。最后基于局部相似分析方法建立了投资策略模型。本文主要介绍了一种具有时间延迟的局部相似性方法,并将其运用到股票市场对个股进行相似性分析,从而得到两支股票的局部相似区间以及时间延迟D。我们的数据集为A股市场深圳交易所以及上海交易所上市的90支股票2013年1月4号到2016年12月30号的收盘价,在4005个样本中,我们首先选出D≠0的样本,再在D≠0的样本中选出时间延迟4≤|D|≤20,并且相似区间长度占总长度达到80%以上的数据作为投资策略研究样本。本文制定的投资策略的核心思想是根据两只股票的同涨同跌性质,来建立交易模型。本文中涉及到的参数取值方法为将参数在测试集得到最优取值,到最后通过实证分析来检验我们模型的效果。本文得到的结果如下所示:一:股票市场中的个股之间存在很强的相关性,个股之间通常有同涨同跌的现象。二:运用局部相似方法得到两支股票的局部相似区间I =[i,i+l-1]和J =[j,j + l-1]以及时间延迟D后,我们发现在D≠0的情况下,深市样本中相似区间占总序列长度的80%以上的有490对(占比62.26%)其中相似区间占总序列长度90%以上的达到344对(占比43.71%)。沪市样本中相似区间占总序列长度的80%以上的有712对(占比91.04%)其中相似区间占总序列长度90%以上的达到440对(占比56.27%)。三:运用基于局部相似分析方法建立的投资策略模型实现了非常好的收益,在深市样本中2016年平均收益率达到12.78%,而在2016年深证成指下跌了 12.46%。在沪市样本中2016年的股票数据平均收益率达到4.93%,而大盘指数在2016年变化率为-5.84%。在2016年的测试集里面我们的策略平均收益每天都是跑赢大盘的。
[Abstract]:With the development of economy, the improvement of people's living standard, more and more people began to invest their own money to invest in stocks, bonds, funds and other financial products. Among them, the stock market is undoubtedly a place a few years ago the most fiery. Whether retail or institutional investors, are eager to own to be able to earn a lot of money in the stock market. We found that the stock market often appear with a variable phenomenon, correlation between stocks is very high. Research on the linkage of the stock market can not only help investors to analyze stock information, grasp the market dynamic, also can help investors make relatively correct investment strategy, so as to realize the income increase. At present, the research of stock linkage rarely involved between stocks, but more research is research between regions, between plates. In order to explore stock market. The relation, using the local similarity analysis method to study the stocks of the similarity between interval and the position relations. Finally the local similarity analysis method based on the investment strategy of the model. This paper mainly introduces a kind of partial similarity method of time delay, and applied it to the stock market on the stock of similarity analysis and get two shares of local similarity interval and time delay D. our data set for the A shares listed on the Shanghai stock exchange and Shenzhen stock exchange market 90 stocks from January 4, 2013 to December 30, 2016 closing price, in 4005 samples, we first select the D = 0 sample, and then in the D = 0 sample selected time delay of 4 = |D| = 20, and the total length of similar interval length of more than 80% of the data as the study sample. The investment strategy of the core idea of this paper is to develop investment strategies two Stocks rise or fall together in nature, to establish trading model. The parameters involved in this method for the optimal parameters obtained in the test set, finally to test our model results by empirical analysis. The results of this paper are as follows: A: there is a strong correlation between stock market in, usually with the rise and fall of the phenomenon between stocks. Two: two stocks using the local similarity method of local similarity of interval I =[i, i+l-1] J and =[j, j + l-1] and time delay of D, we found that in D = 0, Shenzhen samples of similar interval accounted for more than the length of the sequence was 490 to 80% (accounting for 62.26%) which is similar to the total length of interval of more than 90% to 344 of the Shanghai stock market (accounting for 43.71%). Samples of similar interval accounted for more than 80% of the sequence length of 712 (accounting for 91.04%) which is similar to the total interval order The column length of more than 90% to reach 440 (accounting for 56.27%). Three: the use of local similarity analysis method to establish the model of investment strategy to achieve a very good income based on the sample in Shenzhen in 2016 the average yield reached 12.78%, and in 2016 the Shenzhen stock index fell 12.46%. stock data in Shanghai City in 2016 the average income of the sample the rate reached 4.93%, while the stock market index in 2016 was -5.84%. change in the 2016 test set inside our strategy of average income of every day is to beat the market.
【学位授予单位】:山东大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:F832.51
【相似文献】
相关期刊论文 前10条
1 郭茂佳;股票市场效率论[J];财贸经济;2000年02期
2 金雪军,谢巍,龚一庆;论利率与股票市场的适应性[J];企业经济;2000年08期
3 周阳敏;中国股票市场的理性时代[J];管理与财富;2000年04期
4 辜晓川;股票市场制度创新的内容[J];四川财政;2001年04期
5 张方昌,于维英;中国需要怎样的股票市场[J];商业时代;2001年08期
6 吴美伦,叶普照;中国大陆股票市场A股效应之探讨[J];深圳大学学报(人文社会科学版);2001年02期
7 郑静;股票市场功能传导机制分析[J];特区理论与实践;2001年11期
8 栾雅钧;台湾股票市场与祖国大陆股票市场的比较[J];亚太经济;2001年01期
9 ;名刊点睛[J];网际商务;2001年17期
10 徐平福;我国大陆股票市场制度性风险及其控制[J];电子科技大学学报(社科版);2002年04期
相关会议论文 前10条
1 郑长德;;中国股票市场与经济增长关系的实证分析[A];中国经济发展进程中的热点问题探讨[C];2003年
2 周丽辉;;转轨期中国股票市场制度设计分析[A];第三届中国金融论坛论文集[C];2004年
3 李玉梅;闫相斌;胡洋;;在线股评对股票市场的影响分析[A];第十三届中国管理科学学术年会论文集[C];2011年
4 郑勇;叶瑞红;;我国股票市场对居民消费需求影响的思考[A];第十一届全国经济管理院校工业技术学研究会论文集[C];2012年
5 王文举;刘硕;;股票市场机构投资者共谋违规行为监管的博弈分析与动态仿真研究[A];21世纪数量经济学(第9卷)[C];2008年
6 陆蓉;徐龙炳;;中国股票市场对政策信息的不平衡性反应研究[A];经济学(季刊)第3卷第2期(总第10期)[C];2004年
7 廖士光;;中国股票市场流通性价值研究[A];上海市社会科学界第五届学术年会文集(2007年度)(经济·管理学科卷)[C];2007年
8 杨淑慧;;股票的价值——透过表象看本质[A];中国对外经济贸易会计学会2012年学术年会论文集[C];2012年
9 ;第十五章 股票市场的实证研究[A];21世纪数量经济学(第1卷)[C];2000年
10 郭多祚;徐占东;;第三十八章 中国股票市场β和收益关系的实证分析[A];21世纪数量经济学(第3卷)[C];2002年
相关重要报纸文章 前10条
1 资深股权投资基金管理人 曾梓;小心貌似“旺夫相”的股票[N];第一财经日报;2013年
2 中南财经政法大学廉政研究院教授 、院长 乔新生;股票市场是中国社会的晴雨表[N];证券时报;2013年
3 华龙证券有限责任公司 雷原 李登武;中国股票市场热点问题的理论思考(下)[N];财经时报;2001年
4 本报记者 廖新军;“跟踪股票”:登陆欧洲的创新工具[N];国际金融报;2000年
5 中山大学 白钦先 徐沛;金融理论中的股票市场[N];上海金融报;2003年
6 ;股票典当帮你解“套”[N];上海金融报;2005年
7 安果;我的股票分类观[N];山西经济日报;2001年
8 司沛柯;为什么总是股票?[N];证券时报;2005年
9 和平;股票市场提升消费信心[N];北京商报;2007年
10 侯捷宁;公司债不会冲击股票市场[N];证券日报;2007年
相关博士学位论文 前10条
1 王兰军;中国股票市场功能演进与经济结构战略性调整研究[D];西南财经大学;2002年
2 顾鹏;宏观经济冲击、信息传导与中国股票市场[D];南京大学;2015年
3 张驰;股票市场半知情交易者的行为理论与实证研究[D];天津大学;2015年
4 高汝召;中国经济政策不确定性下的股票市场和国债市场间相关性研究[D];南京大学;2016年
5 杨睿;基于复杂网络理论的股票市场中金融危机传播研究[D];哈尔滨工业大学;2014年
6 何康;金融危机、市场传染与欧美四国股票市场联动性研究[D];湖南大学;2016年
7 苏波;交易者的学习适应性行为对股票市场影响的仿真实验研究[D];厦门大学;2009年
8 阙紫康;中国股票市场制度效率研究[D];中国社会科学院研究生院;2002年
9 刘柯杰;中国股票市场促进经济增长研究[D];复旦大学;2003年
10 阙伟成;中国股票市场发展问题研究[D];武汉大学;2004年
相关硕士学位论文 前10条
1 傅鼎;我国股票市场承载力评价体系研究[D];中国海洋大学;2011年
2 王金晓;投资机会对股票预期收益的影响[D];南京理工大学;2015年
3 赵海朋;国内量化选股模型研究[D];苏州大学;2015年
4 巩鹏X;基于协整的金融复杂网络研究[D];云南财经大学;2015年
5 余翠;中国股指期货与股票市场的关联性研究[D];沈阳理工大学;2015年
6 徐寅祥;我国股市噪声交易对收益率的影响分析[D];福建师范大学;2015年
7 刘宗鹏;利率与股票市场价格指数波动相关性研究[D];山东大学;2015年
8 刘树培;基于超网络的股票之间的相关性研究[D];大连海事大学;2015年
9 袁杰;关于股票市场中股票间相关性测量方法的研究[D];哈尔滨工业大学;2015年
10 陈亮;基于微博舆情的股票高频交易分析技术研究与实现[D];复旦大学;2014年
,本文编号:1356373
本文链接:https://www.wllwen.com/jingjilunwen/huobiyinxinglunwen/1356373.html