基于人工智能的量化交易系统及港股市场的实证研究
发布时间：2020-11-20 19:08
如何对金融市场建模并取得超额收益一直都是金融学研究的热点话题。随着近十几年计算机性能的提高,越来越多的研究者尝试使用人工智能技术对金融市场进行建模预测及交易,但现阶段大多数研究仅根据预测结果进行交易,极少有研究提出一套从预测到风险管理的完整量化交易系统。为此,本文尝试提出一种包含预测、资金分配和风险管理的新颖量化交易系统。该系统使用AdaBoost算法对金融市场进行建模,并根据模型预测结果产生交易决策,然后使用一种新颖的在线学习算法对交易决策进行加权处理得到任意资产任意时刻的资金分配,最后根据单个资产的最大回撤对资金分配进行进一步的处理以及判断最终是否进行交易。产生交易决策的决策层、得到资金分配的资金分配层和根据最大回撤控制风险的风险管理层三部分构成本文的量化交易系统。在港股市场上抽取2010年4月15日至2014年8月3日共1062个交易日的恒生指数成份股日交易数据组成样本集,进行训练并优化量化交易系统相关参数,然后从恒生指数成份股中抽取中电控股、恒安国际、领展房产基金、中国人寿、中银香港5只股票2014年8月4日至2017年10月31日的日交易数据,验证量化交易系统的有效性。经过以上实验,并与作为基准的买入并持有对比,发现以下几点结论:(1)本文构建量化交易系统运行良好;(2)在交易费用小于0.5%时,相比买入持有策略,收益率有大幅度提升。累积收益、夏普比率和斯特林比率均在长时间内大幅度高于基准,表明了该策略在港股市场上的有效性;(3)资金分配层所使用的算法能够提升整体投资效果。在实证中对比了不存在资金分配层的量化交易系统,发现在所有情况下资金分配层的存在都能提升一定的累积收益、夏普比率和斯特林比率。(4)以上发现表明,本文的决策层、资金分配层和风险管理层的构建思路以及所提出的量化交易系统整体框架是可行有效的,能够对以后的投资实务或学术研究提供新的思路参考。
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F832.51
【部分图文】：
图 2-2 决策树示例图该节点没有子节点，故被称为叶节点，因为经过一次判断之后才达到该点深度为 1；若新的样本花瓣长度为 3cm，花瓣宽度为 1cm，该样本将瓣长度是否小于 2.45cm，然后判断花瓣宽度是否小于 1.5cm，最后判断 C。决策树算法的决策生成过程样本集中生成整个决策树的过程中，需要人为确定的超参数有以下两点到划分点的成本函数形式；（2）整个决策树的最大深度；始训练时，首先要确定节点的划分点。在本研究中使用 CART 成本函数节点所要划分的特征以及划分特征的阈值。以得到图 2-2 中根节点为本函数如下：. cm, )km m t G Gm m 花瓣长度<2 45 花瓣长度>2.45cm花瓣长度<2.45cm 花瓣长度>2.45cm(2-1)
华 中 科 技 大 学 硕 士 论 文只股票上进行实验。本文从 50 只恒生指数成份股中选取 5 只作为交易对象，主要基于三点：（1）于计算机性能的限制。（2）所选的 5 只股票在行业上代表性较强，中电控股代表事业类，恒安国际代表工商类同时代表恒生指数成份股中较小市值股票，领展房金代表地产板块的同时代表恒生指数成份股中的基金，中国人寿代表国内在港股股票也代表金融类，中银香港代表香港本地金融类。5 只股票基本已经涵盖恒生所包含公共事业、金融、地产和工商 4 类板块。（3）所选取的 5 只股票在整个实期上表现各不相同，能够验证本文的量化交易系统能够应对于不同形态的股票。
华 中 科 技 大 学 硕 士 论 文用包括券商佣金（传统券商 0.2%左右，互联网券商 0.03%左右）、印花税（0.1%）易征费（0.0027%）、交易费（0.005%）、交收费（0.002%）和交易平台使用费（每0.5 港币）。为尽可能贴近实务环境，本文假设交易费用最低为 0.3%。考虑到实务中可能存在的滑点问题，本文假设交易费用分别为 0.3%、0.5%、1%、1.25%和 1.5%为证明本文所提出的资金分配策略能够提业绩，在这一部分中加入了不存在资金分层的结果。在 2014 年 8 月 4 日至 2017 年 10 月 31 日的 5 只股票上测试不同交易费用，以买入并持有策略的累积收益曲线，如下图所示：
【参考文献】
本文编号：2891858
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F832.51
【部分图文】：
图 2-2 决策树示例图该节点没有子节点，故被称为叶节点，因为经过一次判断之后才达到该点深度为 1；若新的样本花瓣长度为 3cm，花瓣宽度为 1cm，该样本将瓣长度是否小于 2.45cm，然后判断花瓣宽度是否小于 1.5cm，最后判断 C。决策树算法的决策生成过程样本集中生成整个决策树的过程中，需要人为确定的超参数有以下两点到划分点的成本函数形式；（2）整个决策树的最大深度；始训练时，首先要确定节点的划分点。在本研究中使用 CART 成本函数节点所要划分的特征以及划分特征的阈值。以得到图 2-2 中根节点为本函数如下：. cm, )km m t G Gm m 花瓣长度<2 45 花瓣长度>2.45cm花瓣长度<2.45cm 花瓣长度>2.45cm(2-1)
华 中 科 技 大 学 硕 士 论 文只股票上进行实验。本文从 50 只恒生指数成份股中选取 5 只作为交易对象，主要基于三点：（1）于计算机性能的限制。（2）所选的 5 只股票在行业上代表性较强，中电控股代表事业类，恒安国际代表工商类同时代表恒生指数成份股中较小市值股票，领展房金代表地产板块的同时代表恒生指数成份股中的基金，中国人寿代表国内在港股股票也代表金融类，中银香港代表香港本地金融类。5 只股票基本已经涵盖恒生所包含公共事业、金融、地产和工商 4 类板块。（3）所选取的 5 只股票在整个实期上表现各不相同，能够验证本文的量化交易系统能够应对于不同形态的股票。
华 中 科 技 大 学 硕 士 论 文用包括券商佣金（传统券商 0.2%左右，互联网券商 0.03%左右）、印花税（0.1%）易征费（0.0027%）、交易费（0.005%）、交收费（0.002%）和交易平台使用费（每0.5 港币）。为尽可能贴近实务环境，本文假设交易费用最低为 0.3%。考虑到实务中可能存在的滑点问题，本文假设交易费用分别为 0.3%、0.5%、1%、1.25%和 1.5%为证明本文所提出的资金分配策略能够提业绩，在这一部分中加入了不存在资金分层的结果。在 2014 年 8 月 4 日至 2017 年 10 月 31 日的 5 只股票上测试不同交易费用，以买入并持有策略的累积收益曲线，如下图所示：
【参考文献】
相关期刊论文 前7条
1 陈艳;王宣承;;基于变量选择和遗传网络规划的期货高频交易策略研究[J];中国管理科学;2015年10期
2 马超;梁循;;基于支持向量机的上市公司午间公告新闻自动阅读与决策支持系统[J];中国管理科学;2014年S1期
3 王文波;费浦生;羿旭明;;基于EMD与神经网络的中国股票市场预测[J];系统工程理论与实践;2010年06期
4 沈可挺;刘煜辉;;中国股市中惯性与反向投资策略的获利模式[J];管理科学学报;2006年06期
5 禹建丽,孙增圻,Valeri.Kroumov,成久洋之,刘治军;基于BP神经网络的股市建模与决策[J];系统工程理论与实践;2003年05期
6 范龙振,王海涛;上海股票市场股票收益率因素研究[J];管理科学学报;2003年01期
7 韩杨;对技术分析在中国股市的有效性研究[J];经济科学;2001年03期
本文编号：2891858
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/2891858.html
