基于SOM算法的轨迹聚类选股策略

发布时间：2017-05-26 03:04

  本文关键词：基于SOM算法的轨迹聚类选股策略，由笔耕文化传播整理发布。

【摘要】：最近十几年来,量化投资在海外发达资本市场上已经成为了一种主流的投资方式。随着国内资本市场复杂度的日益提升,传统的以主观判断为主的投资方式正面临更大的挑战,量化投资以其特有的优势也开始受到国内越来越多投资者和学者的关注。本文基于这样的背景,以目前国内A股市场为研究对象,尝试构建一项量化选股策略。本文第一章介绍了研究背景,阐述了有关量化选股的国内外研究现状,确定了研究目的并提出了研究思路。由于本文构建的选股策略并没有建立在已有的选股方法上,而是首次将SOM聚类方法应用到选股研究中。因此本文第二章较为具体地介绍了SOM神经网络的模型和算法,给出了两组人工数据的SOM聚类实例,并且引出了基于SOM算法的轨迹聚类思想,本文构建的选股策略正是借鉴这一思想方法实现对股票的分类的。本文的主要研究工作分为两个阶段：聚类选股策略的构建阶段和策略的模拟交易测试阶段。本文第三章首先详细阐明了聚类选股策略的基本思想,接着给出了该策略的完整构建过程。第四章首先构建了聚类选股策略的模拟交易算法,并对这一算法进行了解释说明,接着对选股策略进行模拟交易测试。在测试实验中,本文共选取了6个不同的测试期：15/06/10-15/07/22,14/01/03-15/08/10,14/01/03-15/01/05,13/01/04-14/01/10,11/12/30-13/01/04和11/01/04-12/01/04。首先对15/06/10-15/07/22测试期进行了单次交易测试以展示具体的交易过程信息。接着对各测试期均进行了100次交易测试以考察策略的选股效果。第四章最后汇总了上述6个测试期的100测试结果,结果表明,测试期为15/06/10-15/07/22,14/01/03-15/08/10和13/01/04-14/01/10的测试胜率显著高于50%,分别达到了72%,75%和91%,而测试期为11/12/30-13/01/04,14/01/03-15/01/05和11/01/04-12/01/04的胜率分别只有46%,27%和26%。尽管在某些指数表现不佳的测试期(15/06/10-15/07/22和13/01/04-14/01/10),策略表现出了一定的优势,但在指数表现明显差的测试期(11/01/04-12/01/04),策略选股的表现也十分不理想。总评而言,本文构建的选股策略还未能取得稳定的较好表现,不过构建该策略的思想方法对股票投资具有一定的借鉴意义,值得投资者做更加深入精细的研究。最后一章对本文所做的研究工作做了总结,并指出了许多后续值得研究的问题。
【关键词】：SOM神经网络 轨迹聚类 选股策略 模拟交易测试
【学位授予单位】：浙江工商大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;TP183
【目录】：

• 摘要2-4
• ABSTRACT4-8
• 第一章 绪论8-15
• 第一节 研究背景和意义8-10
• 第二节 量化选股的研究现状10-13
• 第三节 研究思路和论文结构13-15
• 第二章 SOM神经网络的基本介绍15-27
• 第一节 SOM网络的模型和算法15-17
• 第二节 人工数据的SOM聚类实例17-23
• 第三节 轨迹聚类23-27
• 第三章 聚类选股策略27-36
• 第一节 聚类选股策略的基本思想27-28
• 第二节 聚类选股策略的构建28-34
• 第三节 本章小结34-36
• 第四章 模拟交易测试36-65
• 第一节 模拟交易算法36-39
• 第二节 模拟交易测试实验及结果分析39-65
• 第五章 总结与展望65-68
• 第一节 全文总结65-66
• 第二节 研究展望66-68
• 参考文献68-70
• 致谢70-71

【相似文献】

中国期刊全文数据库 前10条

1 陈志兵;黄人t，

本文编号：395593