当前位置:主页 > 科技论文 > 自动化论文 >

支持向量机在CTA策略中的探索及应用

发布时间:2021-10-30 07:07
  近三十年来,得益于统计学、数据挖掘、人工智能等先进技术的迅速发展,在对证券市场的预测研究中出现了一大批非线性的分类预测方法。用于分类与回归的方法很多,其中又以混沌动力学、分形理论、神经网络、小波分析为代表。这些方法虽然在实际应用中占据主导地位,但人们也发现它们还存在着许多不足之处。与传统方法相比,支持向量机克服了传统方法的大样本要求且具有较强的延展和泛化能力。本文利用支持向量机在解决小样本问题方面的优势,尝试基于支持向量机理论来建立模型对商品期货主力合约价格在未来的变动趋势进行预测。并在期货CTA策略的基础上加入支持向量机模型形成新的策略,并与原策略做对比,验证预测效果,并尝试基于该预测模型来建立行之有效的期货投资策略,实证结果表明,支持向量机在期货数据上的预测效果较好,经过支持向量机改进的CTA策略要比原策略的投资效果改善显著,通过投组模型的构建,充分分散了原策略的风险,在降低风险的同时,带来了较高的收益。 

【文章来源】:郑州大学河南省 211工程院校

【文章页数】:59 页

【学位级别】:硕士

【部分图文】:

支持向量机在CTA策略中的探索及应用


图4.1:?R-break策略示意图??

示意图,策略,示意图,当前价格


况的出现意味着价格将要下跌,及时卖出有利于资产的保值与止损。当出现金叉,而此??时投资者处于空仓状态时,将进行买入操作,以当前价格买入;当出现死叉,且投资者??处于满仓状态时,将进行卖出操作,以当前价格卖出。如下图4.2所示短均线上穿长均??线,出现金叉,也就是A点做多进场,在B点处短均线下穿长均线,出现死叉,平仓。??^1??图4.2:双均线策略示意图??4.1.3布林通道策略??布林线(Bollinger?Band)是根据统计学中的标准差原理设计出来的一种非常实用的??20??

示意图,通道,策略,示意图


???图4.3:布林通道策略示意图??如上图4.3所示,当k线突破下轨道时做多,也就是在A点做多开仓,从图中可以看??出,在B点处K线突破上轨道,触发出场条件,平仓。??当k选取较大数值时,此时布林通道的带宽较大,可以将股价穿越布林通道上轨,??即可认为出现行情超买的情况,表示卖点出现;当股价跌破布林通道下轨时,即可认为??出现行情超卖的情况,表示买点出现;而当k选取较小值时,布林通道的带宽相对狭窄,??此时价格向上突破布林上轨是买入时机,价格向下突破布林下轨时卖出时机。但是,使??用这种方法要谨慎,由于存在许多行情噪声的干扰,所以价格常常会出现假突破。??同时,布林通道还具备通道功能。当布林通道的带宽放大时,是一种显示汇价短线??大幅向上突破的形态

【参考文献】:
期刊论文
[1]基于小波核支持向量机回归的期货价格预测[J]. 张怡超,伍长春,林倩雨,韩林洁.  嘉兴学院学报. 2016(06)
[2]基于高频数据的支持向量机量化择时预测模型[J]. 黄恒秋.  科技经济导刊. 2016(13)
[3]基于SVM股票价格预测的核函数应用研究[J]. 黄同愿,陈芳芳.  重庆理工大学学报(自然科学). 2016(02)
[4]基于支持向量机的股指期货超短期预测研究[J]. 梁元浩.  信息与电脑(理论版). 2015(05)
[5]基于ARMA模型对余额宝未来收益的预测[J]. 刘书真,封惠子,袁铮.  时代金融. 2014(12)
[6]改进的支持向量机石油期货价格预测模型研究[J]. 张玉,何佳,尹腾飞.  计算机仿真. 2012(03)
[7]模糊近似支持向量机模型及其在信用风险评估中的应用[J]. 姚潇,余乐安.  系统工程理论与实践. 2012(03)
[8]基于专家知识的模糊时间序列预测模型及应用[J]. 杨一文,蔺玉佩.  系统管理学报. 2012(01)
[9]ARIMA融合神经网络的人民币汇率预测模型研究[J]. 熊志斌.  数量经济技术经济研究. 2011(06)
[10]基于支持向量机的股价反转点预测[J]. 黄朋朋,韩伟力.  计算机系统应用. 2010(09)

博士论文
[1]基于EMD的时间序列预测混合建模技术及其应用研究[D]. 熊涛.华中科技大学 2014
[2]基于神经网络和遗传规划的汇率预测技术研究[D]. 廖薇.华东师范大学 2010

硕士论文
[1]基于分形市场理论和模糊支持向量机的期货数据分析[D]. 刘骅飞.吉林大学 2016
[2]基于数据挖掘的金融时间序列预测研究与应用[D]. 戴阳阳.江南大学 2015
[3]基于支持向量机的沪深300指数回归预测[D]. 王芳.山东大学 2015
[4]基于支持向量机模型的股指期货高频交易策略研究[D]. 于航.北京理工大学 2015
[5]基于改进小波神经网络的上证指数预测研究[D]. 郝杰.华南理工大学 2014
[6]基于时间序列相似性的股价趋势预测研究[D]. 孙建乐.重庆交通大学 2014
[7]股价时间序列的分析与预测研究[D]. 史书真.大连理工大学 2013
[8]基于支持向量机的中国股指期货回归预测研究[D]. 张凤廷.山东财经大学 2013
[9]中国主要股指的分形分析与BP神经网络预测[D]. 刘海萍.大连理工大学 2013
[10]基于SVMAdaBoost模型的股票涨跌实证研究[D]. 詹财鑫.华南理工大学 2013



本文编号:3466293

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3466293.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户9dd65***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com