基于动态模态分解（DMD）的量化投资策略在中国股票市场中的应用
发布时间：2021-01-26 05:11
伴随着我国金融市场的逐渐成熟,量化交易在投资领域的应用也越来越得到认可,国内外学者及市场参与者对量化方法的研究进入了高峰期。本文在选取有效数据量的基础上,运用动态模态分解DMD算法的量化模型,对中国股票市场的波动性进行了深入研究。主要解决两个问题:一、如何有效处理大量股票波动的数据,从中寻找股价变动趋势性规律;二、如何利用动态模态分解DMD算法的量化模型通过对历史数据的分析,来预测未来股票价格的走势,进而构建选股方案,实现盈利。由于股票价格变化往往具有随机性、时序性、波动趋势性等特点,本文选取2015年5月6日至2015年8月3日牛熊交替期间的中国股票市场（剔除ST股及停牌股）为研究对象,以时间和每日收盘价两个维度构建数据矩阵,通过奇异值分解等方法寻找数据矩阵的特征值和特征向量,结合DMD对股票价格进行预测:发现股价即使在市场剧烈波动时期,也同样带有很强的趋势性,通过观察DMD算法中特征值复平面图的分布特点,有效地预测了股票短期的波动趋势。最后根据am振幅图,对比单支股票和整体市场的波动强度,找出振幅值更高的几支股票,构建选股策略。参照同期上证指数平均收益率,发现基于DMD算法的选股策...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
基于季节模型的样图
华 中 科 技 大 学 硕 士 学 位 论 文除此之外，研究还观察到在相似矩阵 的特征值数据中，存在-0.95675、-‘54693、1.0112、0.61174，4 个虚部不存在的实数特征值，分别对应研究数据的第天、第 22 天、第 55 天、第 62 天。将其分别设定为： 、 、 、 。 3 22 55 62且存在：Lm（ ）= Lm（ ）= Lm（ ）= Lm（ ）=0 3 22 55 62由 DMD 算法可知，映射矩阵 的特征值等于相似矩阵 的特征值，即表 2 数据‘是映射矩阵 的特征值。根据公式（2.21），通过运行 Matlab 算法程序，研究得到长率 Re（ ）和频率 Lm（ ）的分布图如图 3.1。
图 3.3 左图显示为由 DMD 算法重构之后的股票数据波动运行得出；图 3.3 右图为真实股票数据波动图。张图，直观上看，荣丰控股（000668.SZ）在采集数据其均有一个小幅涨额；从第 4 天到第 22 天，现实股票在小动不大；从第 22 天到第 28 天，股票从缓慢增长，开始 天收盘价达到最高数值。从第 29 到 45 天，左右分布图显动，但已经由上涨改为急剧下跌，且在第 45 天时，收盘值。从第 45 天到第 55 天，股票停止下跌开始上涨，这，总体缓慢上升，但上升幅度较低，股票价格差异较小 天、第 55 天、第 62 天的特征值复平面分布，即原有股票另一种趋势。有效地说明问题，研究将特征值的复平面分布转移到直图 3.4 所示：
【参考文献】：
期刊论文
[1]量化投资的特点、策略和发展研究[J]. 陈健,宋文达. 时代金融. 2016(29)
[2]DMD和POD对超燃冲压发动机凹腔流动的稳定性分析[J]. 叶坤,叶正寅,武洁,屈展. 气体物理. 2016(05)
[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]基于EEMD和状态空间分析的汇市和股市动态关系研究[J]. 张娥,王晓芳,王维华. 国际商务(对外经济贸易大学学报). 2016(03)
[5]货币政策与股票价格相关性分析—基于经验模态分解的实证[J]. 周盈南,金涵旻. 商业经济研究. 2016(04)
[6]基于POD和DMD方法的跨声速抖振模态分析[J]. 寇家庆,张伟伟,高传强. 航空学报. 2016(09)
[7]三螺旋模型及其量化分析方法研讨[J]. 叶鹰,鲁特·莱兹多夫,武夷山. 中国软科学. 2014(11)
[8]独立成分分析与主成分分析在股票市场上的运用[J]. 张洁. 应用数学与计算数学学报. 2014(01)
[9]基于数据挖掘的股票指数涨跌概率推断[J]. 彭益. 统计与决策. 2012(16)
[10]程序化交易模型在中国期货市场的应用[J]. 黄遒舜. 中国外资. 2011(20)
硕士论文
[1]基于EMD的中国股票市场与外汇市场的关联性研究[D]. 肖伟.江西财经大学 2015
本文编号：3000530
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
基于季节模型的样图
华 中 科 技 大 学 硕 士 学 位 论 文除此之外，研究还观察到在相似矩阵 的特征值数据中，存在-0.95675、-‘54693、1.0112、0.61174，4 个虚部不存在的实数特征值，分别对应研究数据的第天、第 22 天、第 55 天、第 62 天。将其分别设定为： 、 、 、 。 3 22 55 62且存在：Lm（ ）= Lm（ ）= Lm（ ）= Lm（ ）=0 3 22 55 62由 DMD 算法可知，映射矩阵 的特征值等于相似矩阵 的特征值，即表 2 数据‘是映射矩阵 的特征值。根据公式（2.21），通过运行 Matlab 算法程序，研究得到长率 Re（ ）和频率 Lm（ ）的分布图如图 3.1。
图 3.3 左图显示为由 DMD 算法重构之后的股票数据波动运行得出；图 3.3 右图为真实股票数据波动图。张图，直观上看，荣丰控股（000668.SZ）在采集数据其均有一个小幅涨额；从第 4 天到第 22 天，现实股票在小动不大；从第 22 天到第 28 天，股票从缓慢增长，开始 天收盘价达到最高数值。从第 29 到 45 天，左右分布图显动，但已经由上涨改为急剧下跌，且在第 45 天时，收盘值。从第 45 天到第 55 天，股票停止下跌开始上涨，这，总体缓慢上升，但上升幅度较低，股票价格差异较小 天、第 55 天、第 62 天的特征值复平面分布，即原有股票另一种趋势。有效地说明问题，研究将特征值的复平面分布转移到直图 3.4 所示：
【参考文献】：
期刊论文
[1]量化投资的特点、策略和发展研究[J]. 陈健,宋文达. 时代金融. 2016(29)
[2]DMD和POD对超燃冲压发动机凹腔流动的稳定性分析[J]. 叶坤,叶正寅,武洁,屈展. 气体物理. 2016(05)
[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]基于EEMD和状态空间分析的汇市和股市动态关系研究[J]. 张娥,王晓芳,王维华. 国际商务(对外经济贸易大学学报). 2016(03)
[5]货币政策与股票价格相关性分析—基于经验模态分解的实证[J]. 周盈南,金涵旻. 商业经济研究. 2016(04)
[6]基于POD和DMD方法的跨声速抖振模态分析[J]. 寇家庆,张伟伟,高传强. 航空学报. 2016(09)
[7]三螺旋模型及其量化分析方法研讨[J]. 叶鹰,鲁特·莱兹多夫,武夷山. 中国软科学. 2014(11)
[8]独立成分分析与主成分分析在股票市场上的运用[J]. 张洁. 应用数学与计算数学学报. 2014(01)
[9]基于数据挖掘的股票指数涨跌概率推断[J]. 彭益. 统计与决策. 2012(16)
[10]程序化交易模型在中国期货市场的应用[J]. 黄遒舜. 中国外资. 2011(20)
硕士论文
[1]基于EMD的中国股票市场与外汇市场的关联性研究[D]. 肖伟.江西财经大学 2015
本文编号：3000530
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3000530.html
