股市涨跌预测与量化投资策略:基于时变矩成分分析

发布时间：2021-10-19 15:14

　　利用时变矩成分分析提取高阶矩吸收率,改进基于阈值的高阶矩因子个数选择方法,提出基于元素值的联合矩成分分析权重设定,构造了一种基于股票市场高阶矩相关结构的量化投资策略。研究表明,基于矩成分吸收率的投资策略能够对股市涨跌做出有效预测,对于股市的重大系统风险尤为敏感,在熊市中也有良好表现;基于单因子吸收率、累积三因子吸收率和赫芬达尔吸收率的高阶矩投资策略优于二阶矩吸收率投资策略,而三阶矩单因子吸收率投资策略最优,基于元素值权重的投资策略优于基于元素个数权重的投资策略;量化投资策略具有参数稳健性,且可通过优化高阶矩的时变结构对投资效果进行优化。 

【文章来源】：中国管理科学. 2020,28(02)北大核心CSSCICSCD

【文章页数】：12 页

【部分图文】：

单因子矩成分方法累积投资收益图

为分析各吸收率对于股市波动的预测能力,我们计算了在2009年2月3日至2016年2月3日期间的标准化吸收率位移(考虑到滚动迭代所产生的误差,我们截去了部分尾部样本),共1706个样本,(2.14)式中x分别取1、5、10和15天,y取1年,即242天。同时,我们取出了沪深300指数在样本期间5%最高收益率与5%最低收益率发生的日期,每一侧都有85个样本,用来刻画股市最好情况与最坏情况出现的日期。然后,我们计算了发生巨大波动日期的前40天与前60天至少出现一次正尖峰(Positive Spike)或负尖峰(Negative Spike)的频率,阈值θ取0.25,另取2θ和3θ同时讨论。利用吸收率来预测股市波动,我们关注当正尖峰或负尖峰出现时,随之而来的到底是股市大涨还是大跌?或者说,哪种情况发生的概率更大?例如表2中,在1天移动平均,阈值θ为0.25的条件下,M3-AR1出现正尖峰后,有88.5%的情况60天之内会出现股市5%最低收益率,有73.6%的情况60天之内会出现股市5%最高收益率。也就是说,之后60天内股市大跌相对于大涨的可能性更高。我们综合表2中1天MA,5天MA,10天MA与15天MA的尖峰频率对吸收率的尖峰出现后股市波动情况进行了总结,从表3可以发现M3、JA、SJA和SJB这几种方法在三种吸收率下都有最好的表现:无论是1天MA,5天MA,10天MA与15天MA,当正尖峰出现时,之后60天内股市大跌相对于大涨的可能性更高,当负尖峰出现时,之后60天内股市大涨相对于大跌的可能性更高。而其它方法都只能对股市大涨进行预测,无法对股市大跌进行全面预测。同时可以发现,所有方法都是用负尖峰预测股市大涨,正尖峰预测股市大跌。

【参考文献】：
期刊论文
[1]股市收益率高阶矩风险的产生机制检验[J]. 方立兵,曾勇.  中国管理科学. 2016(04)
[2]动态金融高阶矩建模:基于Generalized-t分布和Gram-Charlier展开分布的比较研究[J]. 黄卓,李超.  中国管理科学. 2015(10)
[3]自回归条件方差-偏度-峰度:一个新的模型[J]. 王鹏,王建琼,魏宇.  管理科学学报. 2009(05)
[4]金融市场条件高阶矩风险与动态组合投资[J]. 蒋翠侠,许启发,张世英.  中国管理科学. 2007(01)



本文编号：3445113