基于动态贝叶斯网络的股价动态模型与其在中国市场上的应用研究
发布时间:2021-01-04 09:02
市盈率是常用来评估股价水平是否合理的指标之一,也是基本面投资分析中的一个基础指标。在实践中,基本市盈率通常通过专家的主观意见来估计。本文基于动态贝叶斯网络(dynamic Bayesian network,DBN)的相关理论,研究基于DBN的市盈率波动模型,并基于模型设计2个择时策略。文章的主要工作是基于市盈率DBN模型的择时策略在个股以及投资组合上的应用研究。由本文模型估计出的基本市盈率,既可以作为投资者投资决策时的参考指标,也可以与实际的市盈率结合设计量化择时策略。基于贝叶斯推断的市盈率(股价)估值模型具有以下优点:1)具有金融理论支撑:股价异常波动的行为因素与价值回归理论;2)对于所有股票,贝叶斯框架相同;3)可以将专家知识以先验分布的方式融入到模型中;4)交易操作简单,具有一定实用性。模型的应用过程为:1)搭建贝叶斯模型:建立描述市盈率波动的动态贝叶斯网络,使用前向后向算法推导滤波公式与平滑公式;2)模型参数学习:采用基于最大后验估计的期望最大化算法学习模型参数;3)推断问题:得到模型参数后,运用模型的平滑公式与滤波公式估计股票的基本市盈率;4)在线滤波:使用移动窗口对中期噪音...
【文章来源】:山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】:84 页
【学位级别】:硕士
【文章目录】:
中文摘要
英文摘要
第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 文献综述
1.2.1 量化择时策略
1.2.2 动态贝叶斯网络在金融市场的应用
1.2.3 股价估值偏误与均值回归
1.3 论文结构安排
1.4 本文的创新之处
第2章 基础理论模型
2.1 内在价值
2.2 均值回归
2.3 贝叶斯统计方法
2.3.1 贝叶斯定理
2.3.2 贝叶斯统计推断
2.3.3 条件独立性质
2.3.4 贝叶斯网络
2.3.5 动态贝叶斯网络
2.4 参数学习
2.5 本章小结
第3章 基于市盈率对股价动态建模
3.1 基于市盈率的一种择时策略
3.2 股价波动的统计模型
3.2.1 股价异常波动的行为因素
3.2.2 描述股价变动的动态贝叶斯网络
3.3 DBN模型的学习与推断
3.3.1 参数已知情况推断
3.3.2 模型参数学习
3.4 本章小结
第4章 模型实证研究思路
4.1 基于贝叶斯推断的择时策略
4.1.1 持有策略
4.1.2 中期效应策略及长期效应策略
4.2 构建投资组合
4.3 实证设计
4.3.1 投资策略应用于单只股票
4.3.2 择时策略应用于投资组合
4.4 本章小结
第5章 模型实证分析
5.1 模型数据的选取
5.1.1 A股数据
5.1.2 交易成本
5.2 基本假设
5.3 基于DBN模型的投资策略
5.3.1 操作方法
5.3.2 结果及分析
5.4 最优参数及策略收益分析
5.4.1 交易阈值
5.4.2 窗口宽度
5.5 投资组合构建方法对策略绩效的影响
5.5.1 操作方法
5.5.2 结果及分析
5.5.3 采样法分析投资组合绩效
5.6 本章小结
第6章 总结与展望
6.1 总结
6.2 不足与展望
参考文献
致谢
附录A 贝叶斯推断过程(部分)
附录B 部分Python代码
学位论文评阅及答辩情况表
【参考文献】:
期刊论文
[1]GA优化的SVM在量化择时中的应用[J]. 黄宏运,吴礼斌,李诗争. 南京师范大学学报(工程技术版). 2017(01)
[2]基于LM遗传神经网络的短期股价预测[J]. 郭建峰,李玉,安东. 计算机技术与发展. 2017(01)
[3]GARP数量化选股及马尔科夫链择时策略研究[J]. 刘洋,夏思雨,胡思瑞,林思亮. 金融与经济. 2016(05)
[4]指数投资组合加权机制选择研究:市值加权、等权还是基本面价值加权[J]. 李俭富. 中国管理科学. 2014(S1)
[5]基于HMM的VaR风险度量及其实证分析[J]. 汪金菊,吴燕飞,王杨. 合肥工业大学学报(自然科学版). 2013(05)
[6]在部分信息下股票收益服从隐马尔科夫模型的最优交易策略[J]. 李钰,费为银,石学芹,李娟. 东华大学学报(自然科学版). 2012(06)
[7]股票价格均值回归理论研究综述[J]. 宋玉臣. 税务与经济(长春税务学院学报). 2006(01)
[8]沪深股市均值回归的实证检验[J]. 宋玉臣,寇俊生. 金融研究. 2005(12)
[9]非理性交易行为、股价波动与中国股市[J]. 王永平,孟卫东,杨秀苔. 重庆大学学报(自然科学版). 2005(10)
[10]我国证券投资基金绩效的研究与评价[J]. 王守法. 经济研究. 2005(03)
博士论文
[1]基于行为金融学的股票市场投资者行为研究[D]. 李静.中国社会科学院研究生院 2012
[2]信用风险分析中贝叶斯方法及其应用研究[D]. 丁东洋.天津财经大学 2009
[3]基于动态贝叶斯网络的智能自主优化机制研究[D]. 肖秦琨.西北工业大学 2006
硕士论文
[1]基于PCA-SVM模型的量化择时研究[D]. 苏冰.天津财经大学 2015
[2]基于行为金融理论的股价波动典型现象研究[D]. 赵耿龙.南京大学 2013
[3]动态贝叶斯网络结构学习的研究[D]. 胡仁兵.北京工业大学 2009
本文编号:2956512
【文章来源】:山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】:84 页
【学位级别】:硕士
【文章目录】:
中文摘要
英文摘要
第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 文献综述
1.2.1 量化择时策略
1.2.2 动态贝叶斯网络在金融市场的应用
1.2.3 股价估值偏误与均值回归
1.3 论文结构安排
1.4 本文的创新之处
第2章 基础理论模型
2.1 内在价值
2.2 均值回归
2.3 贝叶斯统计方法
2.3.1 贝叶斯定理
2.3.2 贝叶斯统计推断
2.3.3 条件独立性质
2.3.4 贝叶斯网络
2.3.5 动态贝叶斯网络
2.4 参数学习
2.5 本章小结
第3章 基于市盈率对股价动态建模
3.1 基于市盈率的一种择时策略
3.2 股价波动的统计模型
3.2.1 股价异常波动的行为因素
3.2.2 描述股价变动的动态贝叶斯网络
3.3 DBN模型的学习与推断
3.3.1 参数已知情况推断
3.3.2 模型参数学习
3.4 本章小结
第4章 模型实证研究思路
4.1 基于贝叶斯推断的择时策略
4.1.1 持有策略
4.1.2 中期效应策略及长期效应策略
4.2 构建投资组合
4.3 实证设计
4.3.1 投资策略应用于单只股票
4.3.2 择时策略应用于投资组合
4.4 本章小结
第5章 模型实证分析
5.1 模型数据的选取
5.1.1 A股数据
5.1.2 交易成本
5.2 基本假设
5.3 基于DBN模型的投资策略
5.3.1 操作方法
5.3.2 结果及分析
5.4 最优参数及策略收益分析
5.4.1 交易阈值
5.4.2 窗口宽度
5.5 投资组合构建方法对策略绩效的影响
5.5.1 操作方法
5.5.2 结果及分析
5.5.3 采样法分析投资组合绩效
5.6 本章小结
第6章 总结与展望
6.1 总结
6.2 不足与展望
参考文献
致谢
附录A 贝叶斯推断过程(部分)
附录B 部分Python代码
学位论文评阅及答辩情况表
【参考文献】:
期刊论文
[1]GA优化的SVM在量化择时中的应用[J]. 黄宏运,吴礼斌,李诗争. 南京师范大学学报(工程技术版). 2017(01)
[2]基于LM遗传神经网络的短期股价预测[J]. 郭建峰,李玉,安东. 计算机技术与发展. 2017(01)
[3]GARP数量化选股及马尔科夫链择时策略研究[J]. 刘洋,夏思雨,胡思瑞,林思亮. 金融与经济. 2016(05)
[4]指数投资组合加权机制选择研究:市值加权、等权还是基本面价值加权[J]. 李俭富. 中国管理科学. 2014(S1)
[5]基于HMM的VaR风险度量及其实证分析[J]. 汪金菊,吴燕飞,王杨. 合肥工业大学学报(自然科学版). 2013(05)
[6]在部分信息下股票收益服从隐马尔科夫模型的最优交易策略[J]. 李钰,费为银,石学芹,李娟. 东华大学学报(自然科学版). 2012(06)
[7]股票价格均值回归理论研究综述[J]. 宋玉臣. 税务与经济(长春税务学院学报). 2006(01)
[8]沪深股市均值回归的实证检验[J]. 宋玉臣,寇俊生. 金融研究. 2005(12)
[9]非理性交易行为、股价波动与中国股市[J]. 王永平,孟卫东,杨秀苔. 重庆大学学报(自然科学版). 2005(10)
[10]我国证券投资基金绩效的研究与评价[J]. 王守法. 经济研究. 2005(03)
博士论文
[1]基于行为金融学的股票市场投资者行为研究[D]. 李静.中国社会科学院研究生院 2012
[2]信用风险分析中贝叶斯方法及其应用研究[D]. 丁东洋.天津财经大学 2009
[3]基于动态贝叶斯网络的智能自主优化机制研究[D]. 肖秦琨.西北工业大学 2006
硕士论文
[1]基于PCA-SVM模型的量化择时研究[D]. 苏冰.天津财经大学 2015
[2]基于行为金融理论的股价波动典型现象研究[D]. 赵耿龙.南京大学 2013
[3]动态贝叶斯网络结构学习的研究[D]. 胡仁兵.北京工业大学 2009
本文编号:2956512
本文链接:https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/2956512.html