股票投资择时策略研究 ——基于函数型数据聚类分析方法

发布时间：2020-12-28 10:15

　　随着金融市场的逐步放开,带动着金融创新的进程,投资者通过开发多样的量化投资策略来指导股票投资。在量化投资领域中,择时交易作为其非常重要的研究模块,长期备受投资者青睐。为研究如何在正确的时机进行股票交易这个问题,本文基于函数型数据聚类分析方法构建了择时策略算法,不仅能够准确客观评价交易机会,客服主观情绪偏差来提高投资效率,同时还能够让投资者快速掌握股票未来价格走势规律,对期望获得超额收益的股票投资者有一定的指导意义。本文从技术分析的角度出发,提出了基于函数型数据聚类分析方法的择时策略算法。首先利用基于高斯混合模型（GMM）的函数型数据聚类分析方法来对历史交易数据进行分类,剖析出历史数据中的具有代表性的走势作为该择时算法的交易信号。其次,对各交易信号出现后的第二日涨跌情况进行预测的同时,借助基于K-中心点（PAM）算法的函数型数据聚类分析方法对各类别的第二日股价走势做出预测,根据这两项预测内容来制定合理的交易操作。最后验证了该算法的有效性和泛化性,以期为投资者进行股票投资提供参考。本文主要结论为:（1）基于函数型数据聚类分析方法建立的量化择时策略实证效果理想。研究发现这两种聚类方法在函数型... 

【文章来源】：华侨大学福建省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

择时策略实现思路图

三个数据集的处理第一步都是进行函数型数据的拟合工作,其次对于不同的数据集的有不同的处理方法,具体如下：（1）对于训练集数据处理,在函数数据拟合后进行函数型主成分分析（FPCA）处理,在找出主成分后即可进行基于GMM的函数型数据聚类分析,根据聚类结果对各类别相似历史片段第二日的市场表现情况进行剖析,依据后续市场表现情况分析结果建立择时策略。（2）验证集在函数型数据拟合后将进行数据归类,也就是找出验证样本中各交易日的数据分别隶属于训练集聚类结果的哪个类别,再根据验证样本的实际股票表现验证择时策略的胜率。（3）测试集样本数据在进行函数型数据拟合后,以30个交易日为一个时间窗,依次进行策略的泛化性验证工作,测试该择时算法的鲁棒性。股票一分钟的价格数据本身是离散的,没有以函数的形式展现出来,但股票走势本身是随着时间维度的推移的,从训练集日离散股价走势图（图3.2）（X轴为时间,Y轴为股票价格）可以看出,离散的股价高频数据呈现出特有的函数特征,所以适合将其看做曲线,进行函数型数据拟合,方便后续的数据挖掘过程。

本文利用函数型数据分析方法对股价历史数据进行挖掘,第一步先进行函数型数据的拟合。本文通过B-Spline基系统对前复权处理过的股票历史数据进行外生基函数展开拟合后,可以将股价原始从不可导,跳动频繁的离散数据转化为平滑的且可导的函数数据。这个步骤对后续的择时策略的预测分析具有尤为重要的意义,在后续的聚类分析中研究对象将会从原先杂乱的离散数据变为由基函数系数表示的概率密度函数。原始30个交易日的离散数据经拟合后得到30条函数,其效果如图3.3所示。图 3.4训练集样本函数一阶导数图

【参考文献】：
期刊论文
[1]基于函数型自适应聚类的股票收益波动模式比较[J]. 王德青,何凌云,朱建平.  统计研究. 2018(09)
[2]函数型数据聚类分析研究综述与展望[J]. 王德青,朱建平,刘晓葳,何凌云.  数理统计与管理. 2018(01)
[3]函数型自适应权重聚类分析的再拓展[J]. 王德青,刘晓葳,朱建平.  数理统计与管理. 2016(01)
[4]函数型数据的分步系统聚类算法[J]. 郭均鹏,王梅南,高成菊,戴晖.  系统管理学报. 2015(06)
[5]基于自适应迭代更新的函数型数据聚类方法研究[J]. 王德青,刘晓葳,朱建平.  统计研究. 2015(04)
[6]个人和机构投资者情绪与股票收益——基于上证A股市场的研究[J]. 刘维奇,刘新新.  管理科学学报. 2014(03)
[7]一种基于函数型数据的综合评价方法研究[J]. 苏为华,孙利荣,崔峰.  统计研究. 2013(02)
[8]Shibor市场中各期限利率波动模式分析——基于FPCA方法[J]. 郭均鹏,孙钦堂,李汶华.  系统工程. 2012(12)
[9]函数数据聚类及其在金融时序分析中的应用[J]. 朱建平,王桂明.  统计与决策. 2010(09)
[10]基于函数型主成分的中国股市波动研究[J]. 岳敏,朱建平.  统计与信息论坛. 2009(03)



本文编号：2943580