基于在线交易理论与隐马尔科夫模型的程序化交易策略构建

发布时间：2020-07-13 20:16

【摘要】：近年来,证券交易朝着多元化、复杂化、交易量巨额化等方向发展,传统的人工下单方式早已不能满足市场的需要,越来越多的投资者转而选择程序化交易。程序化交易自上世纪七十年代问世以来,经过四十余年的发展,已成为国际证券市场上主要的交易方式之一。这种交易方式不但能够为投资者提高收益,而且能加快金融市场的流动性。目前,程序化交易在国外市场的应用已十分成熟,但在我国还相对滞后,它对于大多数投资者来说,还是比较陌生的。所以,设计适合我国投资者的程序化交易策略具有重要的现实意义。为了丰富和完善适合于我国股票市场的交易策略,本文立足中国A股市场行情,设计出一种新型程序化交易策略。该策略结合两种在线交易理论:泛证券投资组合理论、K搜索算法,以及隐马尔科夫模型HMM(Hidden Markov Model)。首先,根据泛证券投资组合策略EG(η)(Exponentiated Gradient)和K搜索(K-Search)算法设计出程序化交易策略EGK(EG(η)and K-Search)。然后,依据中国A股市场股票收益率的分布特点,发现A股市场尚未达到弱有效,股票价格存在序列相关性,进而对策略EG(η)进行改进,提出一种期望意义上的泛证券投资组合策略IEG(η)(Improved EG(η)),从而设计出策略IEGK(Improved EG(η)and K-Search),在量化交易研究平台——优矿上实现策略的编程及回测检验,结果表明策略IEGK在中国A股市场上具有稳定的获利能力。同时,细致讨论了策略IEGK中三种参数与收益率的关系,深化了对策略IEGK适用情景的认识。最后,在对策略IEGK的参数讨论时,发现对市场走势的预判会显著影响策略IEGK的收益,启发我们进行市场状态预判的择时研究。进一步引入隐马尔科夫的模式识别模型,使其对市场趋势进行预判,指导策略IEGK在交易过程中的自动选取最优参数,从而设计出一种动态自适应的程序化交易策略HMM+IEGK(Hidden Markov Model+Improved EG(η)and K-Search),实证结果表明该策略能大大提升策略IEGK的收益并降低风险,是一种更有效的程序化交易策略。本文设计的程序化交易策略兼具理论与实践价值,为投资者在投资决策方面提供参考,帮助提高处于弱势地位的中小投资者的盈利能力,促进我国股市健康公平发展。
【学位授予单位】：西北大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F832.51
【图文】：

路线图,研究技术,路线图,证券投资组合理论

西北大学硕士学位论文4图 1 研究技术路线图1.2.2 研究方法文献研究法：通过搜集和查阅国内外相关文献，对程序化交易、泛证券投资组合理论、K搜索算法以及隐马尔科夫模型的研究成果和发展现状，采用文献综述法进行论述。

主页,研究技术,路线图,平台

研究技术路线图优矿平台主页图

隐马尔科夫模型,表示图

西北大学硕士学位论文22图 3 隐马尔科夫模型表示图3.3.2 隐马尔科夫股票市场走势预测模型的设计思想本文选取了广发证券《基于 HMM 模型的周择时策略研究》的研究报告2中设计的隐马尔科夫模式识别模型作为策略 HMM+IEGK 中“股票市场走势预测模型”部分。下面对该研究报告中设计的隐马尔科夫股票走势预测模型（下文简称“HMM 模型”）的设计思想做简要叙述。首先，该研究报告中发现资金面能够显著影响股票市场，所以将当日股票资金面的波动的数据作为输入变量来预测下一日市场状态的变动趋势。于是，将股票市场趋势预测模型转化为一个隐马尔科夫问题，以股票资金面数据作为可观测状态，以市场未来变动趋势作为隐含状态。利用样本内数据，对资金面数据进行提取，利用Baum-Welch 算法计算出一个收敛的转换概率矩阵，进而确定此隐马尔科夫股票市场走势预测模型中的所有参数，完成模型的训练过程，具体过程如图 4 所示。再利用样本外数据，以及隐马尔科夫股票市场走势预测模型，利用前向-后向算法，计算出现概率最大的隐含状态链，预测未来市场状态，检验模型的有效性，完成模型的测试过程，具体过程如图 5 所示。2《基于 HMM 模型的周择时策略研究》模式识别方法应用系列报告一，研究员罗军，广发证券量化投资专题报告

【参考文献】