基于Copula函数的技术指标相关性研究

发布时间：2020-09-12 08:10

　　 量化投资就是在进行投资决策时，采用数理或者量化的方法。量化投资在国外市场经过30多年的发展，已经得到了许多投资者的认可和青睐。技术指标作为一种股票投资工具已经有数十年的发展，并且也一直深受一部分投资者的喜爱。随着有效市场理论的提出，关于技术分析能否战胜市场也一直争论不休。 本文采用2007年1月1日至2010年12月31日中国上证综指的日交易数据，通过描述性统计的方法，找出单个技术指标真买点、真卖点出现规律以及时间窗口变化对真买、卖点的影响，总结出可以通过参数优化的方法提高真买卖信号出现概率，并进而提高单个指标的投资收益水平，并提出时间窗口优化对于技术指标的重要性。然后研究不同指标两两组合真买点、真卖点出现的时间间隔，发现指标间真信号出现次数越多的指标组合。Sklar（1959)提出可以将一个联合分布分解为k个边缘分布和一个Copula函数，这个Copula函数就描述了变量间的相关性。文中认为通过Copula函数计算的指标间历史序列非线性相关性越高，买卖真信号的识别概率越大。基于这种想法，构建以Copula函数为基础的投资策略，利用A股市场所有股票的日交易数据进行统计检验。文章最后通过前文提出的投资策略，分析了中国A股市场的行业轮动现象。 本文的主要工作：通过对技术指标买、卖点的统计研究，发现了指标真买点、真卖点与历史收益序列的相关性存在正相关；通过统计不同参数设置下指标真假信号，提出指标参数优化的必要性与具体方法，并且对于该方法进行了检验；将Copula函数运用于描述指标序列的相关性分析，并且将其运用到选股策略中，拓宽了Copula技术的运用范围；将投资策略运用于行业配置的研究中，对于中国的行业轮动现象进行了初步的分析。
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2011
【中图分类】：F275;F832.51;F224;F832.48
【部分图文】：

图 3-1 时滞为 0 日和 1 日时真买点、真卖点占比情况图 3-2 时滞为 2 日和 3 日时真买点、真卖点占比情况.2 技术指标间真信号时间间隔的描述性统计

图3-2时滞为2日和3日时真买点、真卖点占比情况

构成图 3-1 和图 3-2。表 3-13 DMI 与其他各指标真信号的非线性相关性ARBR CR PSY MACD TRIX WR KDJ 相关性 -0.1272 0.1593 0.4474 0.0586 0.2869 0.4814 0.5347 相关性 0.5715 0.6565 0.6481 0.5828 0.7013 0.5746 0.6335

【参考文献】

相关期刊论文 前10条

1 何芳,陈收;基于扩展Kalman滤波的神经网络学习算法在股票预测中的应用[J];系统工程;2003年06期

2 吴世农,吴超鹏;我国股票市场“价格惯性策略”和“盈余惯性策略”的实证研究[J];经济科学;2003年04期

3 刘金全;崔畅;;中国沪深股市收益率和波动性的实证分析[J];经济学(季刊);2002年03期

4 吴世农;我国证券市场效率的分析[J];经济研究;1996年04期

5 王永宏,赵学军;中国股市“惯性策略”和“反转策略”的实证分析[J];经济研究;2001年06期

6 陈守东;胡铮洋;孔繁利;;Copula函数度量风险价值的Monte Carlo模拟[J];吉林大学社会科学学报;2006年02期

7 张健,陈勇,夏罡,何永保;人工神经网络之股票预测[J];计算机工程;1997年02期

8 周广旭;一种新的时间序列分析算法及其在股票预测中的应用[J];计算机应用;2005年09期

9 林春燕;朱东华;;基于Elman神经网络的股票价格预测研究[J];计算机应用;2006年02期

10 周琳杰;中国股票市场动量策略赢利性研究[J];世界经济;2002年08期

本文编号：2817393