深度分层策略下的多源驱动量化投资模型的研究

发布时间：2022-07-02 14:11

　　近年来,监督学习和强化学习先后应用到股票量化投资的研究上,使用这类深度学习技术实现海量数据分析,使得量化投资从单纯的CTA/alpha等策略逐渐过渡到人工智能实现的交易策略。人工智能应用于量化投资取得成绩的同时也存在诸多问题,主要体现在:1.过多地将关注点放在了模型结构和算法层面,投资行为因素分析不够;2.过度依赖于网络的特征提取能力,缺少对市场规律先验知识的应用;3.大多数策略模型缺少针对交易行为的风险控制,单纯的买卖操作容易导致严重风险。针对目前存在的这些问题,本文从金融投资策略形成的思维逻辑出发,采用多源驱动的方法进行分析,将股指买卖操作这一大任务分解为相互关联、依次递进的分层策略问题。依次由趋势预判、特征选取、操作决策三个层面入手,对每部分进行深入研究,根据三个层面各自的任务搭建组成模块,并逐个进行思想策划、数据算法和操作流程等方面的分析与设计,最终搭建了深度分层策略下的多源驱动量化投资模型。其中指数趋势预判模块基于WGAN（Wasserstein Generative Adversarial Networks）原理和价格时序分布特性,构建了具有回归约束的RC（Regressi... 

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文研究目的与内容
        1.3.1 研究目的
        1.3.2 研究内容
    1.4 本文框架与结构
第二章 人工智能与量化投资理论基础
    2.1 深度学习基础网络结构
        2.1.1 卷积神经网络CNN
        2.1.2 循环神经网络RNN
    2.2 生成对抗网络GAN
        2.2.1 生成对抗网络概述
        2.2.2 Wasserstein GAN算法
    2.3 深度强化学习DRL
        2.3.1 深度强化学习概述
        2.3.2 深度确定性策略梯度DDPG算法
    2.4 金融序列与量化分析
        2.4.1 金融时间序列分析
        2.4.2 技术面量化分析
        2.4.3 基本面量化分析
    2.5 行为金融学与投资策略
        2.5.1 行为金融学基础理论
        2.5.2 行为金融学投资行为模型
        2.5.3 量化投资决策
    2.6 本章小结
第三章 深度分层策略下的多源驱动量化投资模型的设计
    3.1 模型总体架构设计
    3.2 指数趋势预判模块
        3.2.1 模块结构设计
        3.2.2 RC-WGAN算法
    3.3 多源特征提取模块
        3.3.1 多源特征因子设定
        3.3.2 外围环境因子的ζ参数计算
    3.4 仓位调整决策模块
        3.4.1 强化学习环境与规则设定
        3.4.2 网络结构设计
    3.5 本章小结
第四章 实验结果与分析
    4.1 实验数据集
    4.2 指数趋势预判模块
    4.3 多源特征提取模块
    4.4 仓位调整策略模块
    4.5 深度分层量化投资决策模型
    4.6 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士期间发表的论文和取得的科研成果
致谢


【参考文献】：
期刊论文
[1]2019年人工智能和机器人市场发展研判[J]. 本刊编辑部.  机器人产业. 2019(03)
[2]大数据背景下对国有银行发展的几点思考[J]. 魏巍.  现代经济信息. 2018(22)
[3]人工智能技术在金融领域的应用探究[J]. 傅丹阳.  科技经济导刊. 2018(31)
[4]人工智能在医疗产业的发展态势和应用展望[J]. 李雅琪,冯晓辉,王哲.  人工智能. 2018(04)
[5]行为金融的研究和发展[J]. 黄鑫.  全国流通经济. 2018(21)
[6]深度强化学习研究综述[J]. 赵星宇,丁世飞.  计算机科学. 2018(07)
[7]人工智能引领纺织行业多领域变革[J]. 吴迪.  纺织服装周刊. 2018(22)
[8]人工智能研究的新前线:生成式对抗网络[J]. 林懿伦,戴星原,李力,王晓,王飞跃.  自动化学报. 2018(05)
[9]全球人工智能与制造业融合的现状及思考[J]. 秦业.  科技中国. 2018(02)
[10]随机森林在股票趋势预测中的应用[J]. 张潇,韦增欣.  中国管理信息化. 2018(03)

博士论文
[1]时间序列的非平稳性度量及其应用[D]. 谭秋衡.中国科学院研究生院（武汉物理与数学研究所） 2013
[2]上下文感知计算若干关键技术研究[D]. 李蕊.湖南大学 2007
[3]金融时间序列隐含模式挖掘方法及其应用研究[D]. 兰秋军.湖南大学 2005



本文编号：3654505