近年來(lái),計(jì)算機(jī)科技在眾多領(lǐng)域有著長(zhǎng)足的發(fā)展,從掃碼支付到航空航天,都有著計(jì)算機(jī)的身影,股票市場(chǎng)研究是計(jì)算機(jī)和金融領(lǐng)域結(jié)合形成的交叉學(xué)科。交易參與者背景不一,使得投資博弈呈現(xiàn)高度的復(fù)雜性、隨機(jī)性,因此如何準(zhǔn)確地對(duì)股票市場(chǎng)進(jìn)行研究是科學(xué)工作者的一個(gè)重要任務(wù)。本課題介紹了股票因子量化方法,構(gòu)建了一整套量化體系,構(gòu)造了反映公司運(yùn)行和股價(jià)變動(dòng)的影響因子,討論了如何確保量化因子的高質(zhì)量,建立了數(shù)據(jù)可視化系統(tǒng),為股票市場(chǎng)預(yù)測(cè)模型的構(gòu)建奠定了數(shù)據(jù)基礎(chǔ)。以股票數(shù)據(jù)為基礎(chǔ),本文主要研究?jī)?nèi)容包括以下兩個(gè)方面:基于EMD-Transformer的股票趨勢(shì)預(yù)測(cè)模型。文中闡述了股票市場(chǎng)數(shù)據(jù)的前后時(shí)序關(guān)系,分析了現(xiàn)有深度模型的優(yōu)點(diǎn)與不足,引入了NLP領(lǐng)域中的模型Transformer,并對(duì)其網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改良以適合時(shí)序任務(wù),解決了LSTM處理長(zhǎng)序列性能有限的問(wèn)題,克服了Transformer無(wú)法有效捕獲順序的缺陷。股票市場(chǎng)的投資者分布廣泛、影響要素較為普遍,這些因素引入了眾多的隨機(jī)性,隨機(jī)性的存在會(huì)使得模型擬合偏離真實(shí)數(shù)據(jù),降低模型效果。為了降低隨機(jī)性,減弱噪聲影響,需要合理的應(yīng)對(duì)舉措,小波變換使用時(shí)需要選擇特定小波... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

行情數(shù)據(jù)構(gòu)成

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文除了上述基本屬性，經(jīng)過(guò)計(jì)算得出來(lái)的量化因子也有很多，比如MOM，Boll，KDJ，WR，DMI，CCI等。本課題也實(shí)現(xiàn)了專門的工具，以用于以上衍生量化因子的計(jì)算，具體的衍生量化因子介紹如表2-2所示表2-2?衍生量化因子介紹因子簡(jiǎn)稱中文名稱英文全稱用途介紹MOM動(dòng)量線Momentum超買超賣信號(hào)Boll布林線指標(biāo)BollingerBands確定估價(jià)波動(dòng)范圍KDJ隨機(jī)擺動(dòng)指標(biāo)StochasticOscillator中短期趨勢(shì)分析WR威廉指標(biāo)WilliamsR超買超賣信號(hào)DMI意向指標(biāo)DirectionalMovementIndex多空力量研判CCI價(jià)格擺動(dòng)指標(biāo)CommodityChannellndex股票是否處于正常區(qū)間…………將股票因子計(jì)算出來(lái)而不去驗(yàn)證是一種風(fēng)險(xiǎn)很高的行為，因?yàn)榭赡茉诰帉?xiě)程序時(shí)存在錯(cuò)誤，也可能數(shù)據(jù)本身有異常而導(dǎo)致結(jié)果不符合實(shí)際情況。股票因子驗(yàn)證方法存在多方驗(yàn)證、自檢驗(yàn)證兩種方式。采用多方驗(yàn)證時(shí)，可以選擇從官方網(wǎng)站、各個(gè)財(cái)經(jīng)網(wǎng)站爬取相應(yīng)數(shù)據(jù)，再與我們的數(shù)據(jù)對(duì)比，發(fā)現(xiàn)錯(cuò)誤則及時(shí)改正，如果全部數(shù)據(jù)都進(jìn)行驗(yàn)證，則花費(fèi)代價(jià)比較高，可以采取樣本抽樣和屬性抽樣的方法，有針對(duì)性地對(duì)部分股票和部分屬性抽查，能極大提高檢驗(yàn)效率，同時(shí)，針對(duì)數(shù)據(jù)可以采用自檢的方式，對(duì)于超出正常范圍的屬性值要格外進(jìn)行關(guān)注，比如股票漲幅一般在正負(fù)10%之間，若超出范圍則說(shuō)明數(shù)據(jù)有誤。也可以對(duì)計(jì)算公式進(jìn)行系統(tǒng)排查。股票量化因子產(chǎn)生與因子驗(yàn)證過(guò)程如圖2-2所示。基本因子KDJWR…DMI衍生衍生衍生衍生量化因子多方驗(yàn)證公式驗(yàn)證異常驗(yàn)證準(zhǔn)確性完備性自檢驗(yàn)證圖2-2因子產(chǎn)生與驗(yàn)證流程-11-

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文2.4數(shù)據(jù)服務(wù)系統(tǒng)建設(shè)當(dāng)質(zhì)量較高的股票量化因子產(chǎn)生之后，如果能夠通過(guò)可視化的方式將數(shù)據(jù)進(jìn)行呈現(xiàn)，不僅能方便地查看數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)中隱藏的規(guī)律，同時(shí)也能對(duì)數(shù)據(jù)的品質(zhì)進(jìn)行測(cè)試。本課題的數(shù)據(jù)服務(wù)系統(tǒng)的主要目標(biāo)是能夠使得用戶方便地獲取所需要的數(shù)據(jù)，主要通過(guò)兩種方式，分別是網(wǎng)頁(yè)服務(wù)的方式和數(shù)據(jù)遠(yuǎn)程調(diào)用的方式。網(wǎng)頁(yè)服務(wù)的方式主要是指構(gòu)建頁(yè)面，然后用戶在頁(yè)面設(shè)置條件篩選因子，通過(guò)設(shè)置，用戶可以針對(duì)某一概念、行業(yè)、地域的股票單獨(dú)研究，當(dāng)條件確定之后，數(shù)據(jù)服務(wù)系統(tǒng)就會(huì)將符合要求的數(shù)據(jù)進(jìn)行返回，用戶可以對(duì)返回的數(shù)據(jù)進(jìn)行查看和排序，從而在其中發(fā)現(xiàn)數(shù)據(jù)的內(nèi)部規(guī)律。這種方式的優(yōu)點(diǎn)是數(shù)據(jù)獲取比較方便，可視化效果好，但是服務(wù)的搭建比較繁瑣，因?yàn)槠渲猩婕昂芏嘟换サ牟僮鳎枰紤]使用的人性化。參數(shù)是否正確開(kāi)始編寫(xiě)數(shù)據(jù)接口函數(shù)No請(qǐng)求是否合法發(fā)送請(qǐng)求YesNoYes請(qǐng)求轉(zhuǎn)發(fā)參數(shù)是否合法執(zhí)行請(qǐng)求輸入請(qǐng)求輸出結(jié)束NoYes圖2-3數(shù)據(jù)接口程序流程圖-12-

【參考文獻(xiàn)】：
期刊論文
[1]基于混合門單元的非平穩(wěn)時(shí)間序列預(yù)測(cè)[J]. 劉頡羲,陳松燦.  計(jì)算機(jī)研究與發(fā)展. 2019(08)
[2]新形勢(shì)下中國(guó)股市價(jià)格投機(jī)者的出路[J]. 姜銳.  產(chǎn)業(yè)與科技論壇. 2018(04)
[3]量化投資發(fā)展趨勢(shì)及其對(duì)中國(guó)的啟示[J]. 張?chǎng)?  中國(guó)商論. 2018(01)
[4]蠟燭圖中持續(xù)形態(tài)和反轉(zhuǎn)形態(tài)的歸納及分析[J]. 張曉琳,駱超.  現(xiàn)代經(jīng)濟(jì)信息. 2017(15)
[5]融合句法信息的金融論壇文本情感計(jì)算研究[J]. 蘭秋軍,劉文星,李衛(wèi)康,胡星野.  現(xiàn)代圖書(shū)情報(bào)技術(shù). 2016(04)
[6]金融時(shí)間序列多分辨率實(shí)證研究的EMD方法[J]. 丁志宏,謝國(guó)權(quán).  經(jīng)濟(jì)研究導(dǎo)刊. 2009(06)



本文編號(hào)：2912661