基于神经网络的股票拆单算法的分析与研究

发布时间：2020-05-16 21:08

【摘要】：随着人工智能技术和理论的发展,金融领域开始发生巨大的变革,交易量巨大,历史数据精确完备等特点使得金融领域进一步朝着程序化、系统化和智能化的方向发展。VWAP(Volume Weighted Average Price)作为金融领域比较流行的一种拆单算法,能够拆分大额委托单,降低大单对市场的冲击,增加大单的隐秘性。但随着交易者目标的多元化以及交易市场的不断变革,传统的VWAP算法执行效果不再稳定,无法满足大众需求,需要寻求新的解决办法。考虑到近年来深度神经网络算法在众多领域的预测效果十分显著,尤其是长短记忆神经网络(LSTM)可谓是擅长处理时间序列的首选神经网络,故本文引入LSTM神经网络算法来重新构造股票拆单模型。1)本文设计了一种短期高频交易的股票拆单策略,并根据拆单策略中预测需求的不同,基于LSTM神经网络分别构建了对应的回归预测模型和分类预测模型,摒弃了传统VWAP算法的执行过程及其存在的缺陷。采用归一化误差和精准度这两个性能评价指标对两个模型的预测效果进行分析和验证,实验表明神经网络回归模型的执行效果远远超过神经网络分类预测模型。2)通过阅读大量相关文献,选取了包含涨跌幅、波动率、盘口压力等特征因子在内的一套特征集,并结合拆单策略将特征集中的每个特征因子的计算方法作了新的定义和说明。通过对不同特征因子组合下的模型执行效果进行对比分析,观察不同特征因子对股票预测的影响程度以及何种组合下预测性能最优。3)本文采用训练效率较高的随机梯度下降法训练LSTM神经网络模型,通过设置不同的训练参数如隐层神经元个数、学习率、输入个数、训练次数等来观察模型的训练效果。通过对参数进行调优,最终找到了一组性能较优的训练参数,使模型能够较好地避免欠拟合和过拟合,表现出良好的预测效果。优良的预测效果证实了 LSTM神经网络在算法交易中的适用性,也为神经网络算法在金融领域的发展奠定了坚实的基础。
【图文】：

市场交易方式,算法,交易方式,订单

逑的交易量己经占到了总交易量的２／３以上，可见算法交易对欧美经济的影响力之逡逑大，由图２．１显示的美国证券市场近些年交易方式的变化情况可知算法交易的占逡逑比正在逐年上升。逡逑ｍ逡逑ｍ逡逑ｍ邋W逡逑Ｅ邋ＪＯ邋＿逡逑ｆｓｏ画逡逑＿邋＿逡逑§邋５０邋Ｉ逦＿逡逑ｓ邋Ｕ邋Ｉ邋Ｉ邋Ｍ逡逑ｌＵｉ＼ｌ邋ＩＩＩ邋１１１逡逑２ｍＢ邋２＆Ｂ邋２０１０邋２０１１邋２０１２邋２０１３逡逑年份逡逑媝邋Ｈｉｇｈ邋Ｔｏｙ邋ｄｉ邋Ｏｒｄｅｒｓ邋呡r2丨ｇｏｉｔｔｆｉｍｋ邋ｌａｄｉｎｇ邋画邋Ｄ曑Ａ逡逑图２．１美国证券市场近年来市场交易方式的变化逡逑２．邋１．邋２算法交易的优势及市场影响逡逑算法交易通过计算机来控制参数、下发交易指令，提交订单并在提交后管理逡逑订单，包括决定交易时间点、下单价格、成交数量等，对比传统交易方式，算法逡逑交易有着显而易见的优势。算法交易的执行要以先进的技术为后盾，通常情况下逡逑无需人工干预，计算机自动根据事先设定的交易模型进行一系列操作。算法交易逡逑是由计算机程序控制的交易方式，利用计算机程序制定交易策略、依据确定好的逡逑目标自动提交订单并对订单进行有效管理，并且在交易过程中能够避免很多人为逡逑因素如情绪波动，认知失误、操作不当等造成的千扰［２２］。算法交易在速度上远胜逡逑于传统手工交易方式

示意图,神经元模型,激活函数

听到一段语音后，理解语句并产生回复。科学家们产生了构建人工神经网络来模逡逑拟生物神经系统的想法并不断钻研大脑的工作机理。终于在１９４３年，ＭｃＣｕｌｌｏｃｈ逡逑和Ｐｉｔｔｓ将这种神经系统的工作方式抽象为一个简单的神经元模型，如图２．４所示逡逑的“Ｍ－Ｐ”神经元模型成为经典的仿生模型之一，，一直被沿用至今。逡逑ｂｋ偏置逡逑ＸＩ邋ＣＬ逡逑ｆ逡逑＼Ｗｋ１逡逑ｘ２邋0—＿＾邋ｖｋ逦？ｎ逦祚逡逑＇邋—邋逦？＜＝逦逡逑－＊逦和结点逦激活函数逦输出逡逑ｘｎ逦突触权值逡逑输入逡逑图２．４邋Ｍ－Ｐ神经元模型逡逑在Ｍ－Ｐ神经元模型中，表示ｎ个输入，ｗｈ？分别为加在每个输入信逡逑号上的权值，神经元将ｎ个输入经过加权求和得到的输出经过激活函数的处理产逡逑生最后的输出。最常见的激活函数有沿ｇｗｏＷ函数和阶跃函数，激活函数的作用逡逑一般是给表达能力不够的模型增加非线性元素，使神经网络能够更好地处理较为逡逑复杂的问题。图２．５和２．６分别为阶跃函数和激活函数的示意图：逡逑１４逡逑
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F830.91;TP183

【参考文献】