基于卡尔曼滤波的在线投资策略及其实证应用研究
发布时间：2021-07-03 12:11
经过短短27年的飞速发展,中国A股市场已经成长为拥有3500多家上市公司的世界第二大股票市场。随着中国股票市场的发展和投资者素质的提高,传统投资策略越来越不满足投资者的需求。在此情况下,众多国外的投资理论和投资策略也被引入中国A股市场。但是由于中外股票市场的巨大差异,造成很多在国外行之有效的投资策略在国内表现欠佳。本文深入研究了加拿大学者Allan Borodin等基于股票反转效应的Anticor算法以及南非学者Raphael Nkomo等在其基础上引入卡尔曼滤波器处理数据和动量效应的K-AC-M算法。实证部分中针对K-AC-M算法在中国股票市场的实际情况进行了多维度的分析。共筛选了A股市场951只股票,从2012年1月4日到2017年12月29日共1458个交易日的日收盘价数据。运用MATLAB软件实现K-AC-M算法策略,分别对投资窗口期、投资组合股票容量、流通股数量、行业分类、市场整体走势等因素对投资收益的影响进行了对比和分析。最终得出结论认为:不同投资组合具有基于其自身性质的最优窗口期;收益率和抗风险能力随股票容量增大而增加;K-AC-M算法对于大盘股、小盘股、指数股、ST股市...
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
-1 AC 算法反转效应思路
图 3-2-2 AC 算法在不同窗口期的总收益[2]图 3-2-2 显示的是 AC 算法在北美 4 个主要市场在不同窗口期下的历史模拟收益，窗口期取值范围是 2 w 30 天，其中(a)代表纽约证券交易所，(b)代表拿大多伦多股票交易所，(c)代表标普 500 指数，(d)代表道琼斯工业指数。可明显看出，窗口期大小选择的不同，对于投资收益的影响是不一样的，尽管大分窗口期下，AC 算法的结果明显优于最佳股票策略，但是，也存在一小部分 取值使得 AC 算法没有打败最佳股票。另外，图 3-2 还揭示了一个问题，市场择的不同，同一w取值对 AC 算法效果的影响也是不同的。这就带来一个很棘手的动态问题，如何确定参数w的最优取值。如果将不同w看成现实投资活动中不同的投资专家，AC 算法策略就相当于不同的专家给的投资建议，虽然专家的有着比普通投资者更丰富的投资经验，但是针对市场波动情况，专家也不能保证其投资建议能一直保持正确。当然，也可以采用最窗口进行投资，但是类似于 BAHb策略遇到的问题，存在一个最优秀的专家，出的投资建议，收益率高于其他专家，但是随着市场的波动，被其他专家所超
图 3-2-2 AC 算法在不同窗口期的总收益[2]图 3-2-2 显示的是 AC 算法在北美 4 个主要市场在不同窗口期下的历史模拟收益，窗口期取值范围是 2 w 30 天，其中(a)代表纽约证券交易所，(b)代表拿大多伦多股票交易所，(c)代表标普 500 指数，(d)代表道琼斯工业指数。可明显看出，窗口期大小选择的不同，对于投资收益的影响是不一样的，尽管大分窗口期下，AC 算法的结果明显优于最佳股票策略，但是，也存在一小部分 取值使得 AC 算法没有打败最佳股票。另外，图 3-2 还揭示了一个问题，市场择的不同，同一w取值对 AC 算法效果的影响也是不同的。这就带来一个很棘手的动态问题，如何确定参数w的最优取值。如果将不同w看成现实投资活动中不同的投资专家，AC 算法策略就相当于不同的专家给的投资建议，虽然专家的有着比普通投资者更丰富的投资经验，但是针对市场波动情况，专家也不能保证其投资建议能一直保持正确。当然，也可以采用最窗口进行投资，但是类似于 BAHb策略遇到的问题，存在一个最优秀的专家，出的投资建议，收益率高于其他专家，但是随着市场的波动，被其他专家所超
本文编号：3262557
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
-1 AC 算法反转效应思路
图 3-2-2 AC 算法在不同窗口期的总收益[2]图 3-2-2 显示的是 AC 算法在北美 4 个主要市场在不同窗口期下的历史模拟收益，窗口期取值范围是 2 w 30 天，其中(a)代表纽约证券交易所，(b)代表拿大多伦多股票交易所，(c)代表标普 500 指数，(d)代表道琼斯工业指数。可明显看出，窗口期大小选择的不同，对于投资收益的影响是不一样的，尽管大分窗口期下，AC 算法的结果明显优于最佳股票策略，但是，也存在一小部分 取值使得 AC 算法没有打败最佳股票。另外，图 3-2 还揭示了一个问题，市场择的不同，同一w取值对 AC 算法效果的影响也是不同的。这就带来一个很棘手的动态问题，如何确定参数w的最优取值。如果将不同w看成现实投资活动中不同的投资专家，AC 算法策略就相当于不同的专家给的投资建议，虽然专家的有着比普通投资者更丰富的投资经验，但是针对市场波动情况，专家也不能保证其投资建议能一直保持正确。当然，也可以采用最窗口进行投资，但是类似于 BAHb策略遇到的问题，存在一个最优秀的专家，出的投资建议，收益率高于其他专家，但是随着市场的波动，被其他专家所超
图 3-2-2 AC 算法在不同窗口期的总收益[2]图 3-2-2 显示的是 AC 算法在北美 4 个主要市场在不同窗口期下的历史模拟收益，窗口期取值范围是 2 w 30 天，其中(a)代表纽约证券交易所，(b)代表拿大多伦多股票交易所，(c)代表标普 500 指数，(d)代表道琼斯工业指数。可明显看出，窗口期大小选择的不同，对于投资收益的影响是不一样的，尽管大分窗口期下，AC 算法的结果明显优于最佳股票策略，但是，也存在一小部分 取值使得 AC 算法没有打败最佳股票。另外，图 3-2 还揭示了一个问题，市场择的不同，同一w取值对 AC 算法效果的影响也是不同的。这就带来一个很棘手的动态问题，如何确定参数w的最优取值。如果将不同w看成现实投资活动中不同的投资专家，AC 算法策略就相当于不同的专家给的投资建议，虽然专家的有着比普通投资者更丰富的投资经验，但是针对市场波动情况，专家也不能保证其投资建议能一直保持正确。当然，也可以采用最窗口进行投资，但是类似于 BAHb策略遇到的问题，存在一个最优秀的专家，出的投资建议，收益率高于其他专家，但是随着市场的波动，被其他专家所超
本文编号：3262557
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3262557.html
