基于深度模型和谱方法的多因子选股策略研究

发布时间：2020-12-12 14:14

　　量化投资有着纪律性、系统性和分散化投资等诸多优点,因此其越来越受到学术界和投资界的关注。近些年随着人工智能和深度学习技术的发展,学者与投资实践者把更多的机器学习算法应用到投资领域的各个方面并取得了不错的投资收益。与成熟的海外市场相比,量化投资在国内市场具有更广阔的发展空间和研究价值,本文基于国内市场上对数据挖掘和深度学习在量化选股和统计套利中的应用进行了研究,提出了基于深度模型和谱方法的组合选股模型。文章的主要工作分为如下三个部分:1.将深度学习算法应用到量化选股的问题中。本文用IRGAN(Information Retrieval in Generative Adversarial Networks)作为选股模型,然后设计了一个卷积网络结构并嵌套在IRGAN的生成器和判别器组件中,根据模型的输出得到选股结果。实验结果表明,本文方法在选择高收益率股票上的精度优于其他对比方法。2.将谱方法应用到统计套利选择价格曲线相似的股票组合的问题中。本文用动态时间规整距离替换欧氏距离作为股票的距离度量,通过谱聚类算法聚类产生相似股票组合。实验结果表明,在中低频时间尺度上,本文方法分析出的相似股票组合... 

【文章来源】：南京大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图２－２：?１ＲＧＡＮ结构示意图??

省计算资源而且在处理稀疏数据上有不错的效果。另外一方面，谱聚类在聚类??过程中会对样本数据进行降维处理，降低了算法的计算复杂度而且在一定程度??上可以从原始样本数据中提取出更有效的中间特征表示，这一点在选股投资问??题中的作用更加明显。??２．６动态时间规整??动态时间规整起源于语音识别，最初是为了解决两个发音速度不同但是发??音类别相同的语音序列的模式匹配问题。目前动态时间规整更广泛的用法是用??于衡量两个时间序列的相似性。??相较于普通的欧式距离，动态时间规整的优点在于可以通过对时间序列进??行延伸和缩短，从而能够应用于长度不相等的时间序列的相似性判断，而且也??可以更加准确的判断两个时间序列的趋势的相似性。??Ｙ?“??

图３－１：?Ｉｎｃｅｐｔｉｏｎ结构示意图??

【参考文献】：
期刊论文
[1]基于协整的豆类期货统计套利实证研究[J]. 顾全,雷星晖.  统计与决策. 2015(07)
[2]基于自适应遗传算法的股票预测模型研究[J]. 张炜,范年柏,汪文佳.  计算机工程与应用. 2015(04)
[3]核主成分遗传算法与SVR选股模型改进[J]. 苏治,傅晓媛.  统计研究. 2013(05)
[4]利用技术分析验证上海股票市场的非弱式有效性[J]. 李先流.  中小企业管理与科技(下旬刊). 2011(03)
[5]基于协整的股指期货跨期套利策略模型[J]. 仇中群,程希骏.  系统工程. 2008(12)
[6]中国股票市场弱有效性的统计套利检验[J]. 吴振翔,陈敏.  系统工程理论与实践. 2007(02)
[7]基于时间序列的支持向量机在股票预测中的应用[J]. 彭丽芳,孟志青,姜华,田密.  计算技术与自动化. 2006(03)
[8]技术分析与中国股票市场有效性[J]. 曾劲松.  财经问题研究. 2005(08)
[9]进化计算在选股决策中的应用研究[J]. 楼迎军,杨义群.  技术经济. 2005(03)



本文编号：2912709