本文關(guān)鍵詞：關(guān)于程序化交易幾類新方法的探討　出處：《華東師范大學》2016年博士論文　論文類型：學位論文

  更多相關(guān)文章： 程序化交易 交易策略 平穩(wěn)過程 強遍歷定理 Monge-Kantorovich問題 價格走勢配對 統(tǒng)計套利 互相關(guān)性

【摘要】：隨著計算機技術(shù)的飛速發(fā)展,程序化交易已成為金融市場上主流的發(fā)展方向,人們對于程序化交易的研究也越來越豐富。本文重點探討程序化交易的策略方法。依據(jù)策略所用到的金融產(chǎn)品數(shù)量,分別討論兩個品種的交易策略以及單一品種的交易策略。對于兩個金融產(chǎn)品,我們首先考慮它們之間的價格走勢配對問題,并且設(shè)計基于互相關(guān)性的統(tǒng)計套利交易方法。對于單一品種,我們重點研究基于平穩(wěn)過程的擇時交易策略。在進行套利交易前,投資者可以通過價格走勢的匹配程度來確定交易標的。目前常用的手段是基于機器學習和模式分類的方法進行識別,但這些方法在實際應(yīng)用中依賴于樣本的選擇,無法重復(fù)使用。由此,第一部分中本文提出了基于Monge問題的價格走勢配對方法。Monge問題原本考慮的是如何對兩個土堆進行搬運從而找到能量花費最小的輸運方案。將其應(yīng)用到價格走勢配對分析中,我們將兩個金融產(chǎn)品的價格走勢圖看成是兩個土堆,如果走勢匹配度較高,則對應(yīng)土堆之間的最優(yōu)輸運能量較低。該方法對于價格走勢的匹配可以不依賴于歷史樣本的訓練。由于原始的Monge問題考慮的是實際輸運情況,所使用的是歐幾里得距離。為了增加走勢圖匹配結(jié)果的區(qū)分度,我們提出了|·|p距離,并推導(dǎo)出了Monge問題在|·|p距離下的極小化變分形式,通過該變分形式可以得到如下關(guān)于H(x,y)的擬線性橢圓型偏微分方程：對于該模型的求解,我們根據(jù)其對稱特性使用交替下降法設(shè)計數(shù)值算法。并將該算法應(yīng)用到中國人壽、中國太保、中信銀行以及樂視網(wǎng)這四家上市公司的股價走勢圖上。從匹配結(jié)果可以看到,同屬于保險行業(yè)的中國人壽與中國太保走勢最為接近,而中國太保相對于創(chuàng)業(yè)板的樂視網(wǎng)最為不匹配。與使用歐幾里得距離結(jié)果相比,|·|p距離隨著p的增大,模型能夠有效地放大走勢之間的不匹配性,從而使得區(qū)分度更為明顯。第二部分中,我們主要研究期貨與現(xiàn)貨市場間的統(tǒng)計套利交易。以國債ETF及國債期貨合約為例,設(shè)計基于互相關(guān)性的統(tǒng)計套利策略。首先通過Qcc統(tǒng)計量發(fā)覺這兩種金融產(chǎn)品的回報序列具有互相關(guān)性。然后通過互相關(guān)系數(shù)以及DCCA方法對價格數(shù)據(jù)進行分析,驗證價格序列間存在著長時間互相關(guān)性。我們在構(gòu)建統(tǒng)計套利交易策略時,對于兩組價格序列{xt),{yt),使用如下線性模型xt-βtyt=αt+ut。常規(guī)對于模型參數(shù)的估計使用最小二乘法。但是基于所驗證的互相關(guān)關(guān)系,我們使用DFA回歸模型對參數(shù)進行估計,以此設(shè)計相應(yīng)的統(tǒng)計套利策略。經(jīng)過實際市場數(shù)據(jù)回測后,可以看到基于DFA回歸估計得到的模型所建立的策略累計收益率要明顯優(yōu)于最小二乘法建立的策略。因此,通過互相關(guān)性給統(tǒng)計套利的研究提供了一種新的思路。第三部分中,我們著重研究單一品種的擇時交易策略。根據(jù)Wang和Zheng[112]提出的基于平穩(wěn)過程的程序化交易模型,我們得到如下結(jié)論：假設(shè)價格序列的對數(shù)增量強平穩(wěn),依據(jù)強平穩(wěn)過程發(fā)出的交易信號進行交易,隨著交易次數(shù)的增加,平均對數(shù)收益將幾乎處處收斂。有了該收斂性質(zhì)之后,當收斂到一個正數(shù)時,交易策略所獲得的累計對數(shù)收益就能夠穩(wěn)定向上地增長。在此理論基礎(chǔ)上,我們使用不同的技術(shù)指標構(gòu)造平穩(wěn)過程。首先,我們使用單一時間的技術(shù)指標來構(gòu)造強平穩(wěn)過程,以此建立的投資策略具有穩(wěn)定的收益回報。此外,我們提出了多重時間周期結(jié)構(gòu)模型,并將基于MACD構(gòu)造的強平穩(wěn)過程應(yīng)用在多周期結(jié)構(gòu)上。以此設(shè)計的策略能夠?qū)⒉煌芷诓呗缘膬?yōu)勢結(jié)合在一起,得到了年化收益率為42.8%,夏普比率為3.07的投資收益,并且該策略所獲得的平均單次對數(shù)收益具有收斂性。而后,我們引入成交量信息,對多重時間周期策略進行修改,提出了二維平穩(wěn)交易模型。歷史回測結(jié)果顯示在引入成交量信息之后,能夠有效過濾虛假信號從而提高夏普比率。最后,我們將機器學習的想法引入到策略設(shè)計中,提出了自適應(yīng)市場的交易策略。通過輸入歷史的平穩(wěn)技術(shù)指標使用簡單的線性模型訓練得到一個黑箱模型,并以此作為交易準則發(fā)出信號,同樣獲得了較為穩(wěn)定的收益。并且隨著交易次數(shù)的增加,平均單次對數(shù)收益具有收斂性質(zhì)。該部分內(nèi)容不僅在理論上具有創(chuàng)新性,也具有重要的應(yīng)用價值。
[Abstract]:With the rapid development of computer technology , programmed transaction has become the mainstream development trend in financial market , and the research on programmed transaction is more and more abundant . In the third part , we put forward multiple time period structure models , and then use the technique index of single time to construct a stable process .

【學位授予單位】：華東師范大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：F832.5

【相似文獻】

相關(guān)博士學位論文 前1條

1 周瑜;關(guān)于程序化交易幾類新方法的探討[D];華東師范大學;2016年

，

本文編號：1358624