基于深度神经网络的量化投资策略模型研究

发布时间：2021-11-18 11:45

　　自1960年代世界上第一只量化投资基金诞生以来,量化投资逐渐成为一种重要的投资方法,在1989年到2009年间,以西蒙斯为代表顶尖量化投资基金创造了平均年化收益率达35%的傲人成绩,这使得量化投资这一技术得到越来越多投资者的关注。与此同时,随着2006年深度神经网络的提出,这一技术在图像识别、语音识别、文本情感挖掘等领域取得了惊人的成绩。随着深度神经网络的快速发展,近年来开始有学者将深度神经网络应用于量化投资领域进行研究分析。本文的研究内容,首先,本文通过对相关理论的梳理和总结,选取了30只在A股上市时间较长、流动性较好、具有一定代表性的股票,选取其价格、指标等因子,同时加入了市场因素共60个因子,对其进行归一化处理;其次,对这些因子用主成分分析法、自动编码器、受限玻尔兹曼机三种模型进行特征提取,利用逻辑回归模型比较各种特征数据的预测效果;再次,选择上一步输出的特征数据,加入原始数据作为比较,将它们输入深度神经网络模型,通过对三种目标函数对比,选出最优的深度神经网络模型结构;然后,本文构建了深度神经网络-逻辑回归模型（DNN-LR）,并与人工神经网络和深度神经网络模型比较,对比各个模型... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

研究路线图

图 2.1 Meculloch-Pitts 神经元模型神经元的输入信号，它来自于系统或其它神、 均为神经元结构的参数。把所有输入信里称为 ，表示为：

图 2.2 神经网络结构图神经网络的层与层之间通常为全连接，层内没有连接。每一层接（或输入信号）后，通常根据误差反向传播算法（Error Back Pr算层与层之间联系的权重，通过不断调整 、 的值最终使得整

【参考文献】：
期刊论文
[1]基于DBN的金融时序数据建模与决策[J]. 曾志平,萧海东,张新鹏.  计算机技术与发展. 2017(04)
[2]基于误差校正的灰色神经网络股票收益率预测[J]. 于志军,杨善林,章政,焦健.  中国管理科学. 2015(12)
[3]基于变量选择和遗传网络规划的期货高频交易策略研究[J]. 陈艳,王宣承.  中国管理科学. 2015(10)
[4]基于启发式算法的支持向量机选股模型[J]. 陈荣达,虞欢欢.  系统工程. 2014(02)
[5]细数风控最好的私募基金[J]. 许付漪.  卓越理财. 2013(04)
[6]国内量化基金现状分析及展望[J]. 王博.  经济视角(下). 2011(11)
[7]经典指标夏普比率评析[J]. 丁庭栋,李富军.  现代商业. 2011(17)
[8]基于EMD与神经网络的中国股票市场预测[J]. 王文波,费浦生,羿旭明.  系统工程理论与实践. 2010(06)
[9]基于BP神经网络的股市建模与决策[J]. 禹建丽,孙增圻,Valeri.Kroumov,成久洋之,刘治军.  系统工程理论与实践. 2003(05)
[10]基于T-S模型的模糊神经网络在股市预测中的应用[J]. 陈兴,孟卫东,严太华.  系统工程理论与实践. 2001(02)

硕士论文
[1]基于文本挖掘的量化投资系统[D]. 邹振华.华南理工大学 2013
[2]基于Alpha动量的交易系统设计[D]. 王若舟.南京大学 2012
[3]“极小投资模型”的数理基础与市场实证[D]. 张逸进.华南理工大学 2012
[4]基于神经网络技术的行业配对量化投资策略研究[D]. 黄智烨.复旦大学 2012
[5]一种基于数据挖掘的量化投资系统的设计与实现[D]. 朱博雅.复旦大学 2012



本文编号：3502840