基于深度学习的量化择时策略研究

发布时间：2023-05-07 13:27

　　股票市场作为我国市场经济的重要组成部分,在经济生活中起着越来越重要的作用,研究我国量化投资策略方面的相关文献越来越多。本文将沪深300指数作为研究标的,建立基于深度学习的股票预测模型,并把此模型的结果与相应的择时交易策略相结合,构建了基于深度学习的量化择时策略模型,以期提高投资收益性和稳定性。由于我国沪深300指数已推出,用沪深300指数作为研究标的,在研究投资策略时具有现实意义。运用传统的一些证券市场分析方法来研究证券市场时,不仅需要满足一系列的较为严格的假设,并且也难以取得比较令人满意的结果。而非线性的数据挖掘技术能良好的解释股市价格行为,因而本文利用深度学习和支持向量机(SVM)两种非线性的数据挖掘技术来分析我国股市价格行为,并将两者的结果进行对比,结果表明深度学习在预测未来股票的价格时具有更高更稳定的预测精度。鉴于此,本文利用深度学习,并结合具体数据,对未来股票涨跌情况进行判断分类,利用分类结果进行多空操作,同时利用支持向量机(SVM)来建立股票分类预测模型并根据结果进行多空操作,通过深度学习与支持向量机(SVM)的比较,得出了基于深度学习的股票预测分类模型具有更高的预测精度,...

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 引言
    1.1 选题依据与研究意义
        1.1.1 选题依据
        1.1.2 研究意义
    1.2 国内外相关研究文献综述
        1.2.1 国内市场有效性的研究现状
        1.2.2 数据挖掘技术在金融市场中应用的研究现状
    1.3 本文研究内容
    1.4 本文研究方法和创新点
        1.4.1 研究方法
        1.4.2 本文创新点
2 相关理论
    2.1 量化择时理论
    2.2 市场有效理论
        2.2.1 有效市场理论
        2.2.2 ADF单位根检验法
    2.3 支持向量机
    2.4 人工神经网络
        2.4.1 人工神经元
        2.4.2 神经网络
        2.4.3 多层感知器
        2.4.4 反向传导算法
    2.5 深度学习理论
        2.5.1 深度学习概述
        2.5.2 深度学习的基本思想
        2.5.3 深度学习算法
3 基于深度学习的量化择时策略的构建
    3.1 模型的构建思路
    3.2 模型中指标的选取
    3.3 模型评价指标
4 深度学习在量化择时中的实证分析
    4.1 数据描述性统计与检验
        4.1.1 数据描述性统计
        4.1.2 运用ADF单位根检验市场的有效性
    4.2 模型的实证分析
    4.3 基于深度学习的沪深300指数量化择时策略分析
5 结论与建议
    5.1 基于深度学习的择时策略能具有较高的推广能力
    5.2 未来研究展望
参考文献
附录 R程序
后记



本文编号：3810658