在傳統(tǒng)預(yù)測(cè)方法難以解決金融時(shí)間序列噪音大、非線性等問題時(shí),機(jī)器學(xué)習(xí)逐漸憑借在復(fù)雜數(shù)據(jù)分類和回歸上的性能優(yōu)勢(shì)而廣泛應(yīng)用于量化投資。同時(shí)多樣的特征處理方法也能夠幫助投資者挖掘更多金融時(shí)序數(shù)據(jù)中的特征信息,從而降低預(yù)測(cè)的難度。伴隨中國(guó)期貨市場(chǎng)的發(fā)展與完善,股指期貨交易成為量化投資領(lǐng)域的研究重點(diǎn),研究者逐漸聚焦于探索多種特征處理和機(jī)器學(xué)習(xí)方法在股指期貨量化投資中的應(yīng)用。本文以滬深300股指期貨作為研究對(duì)象,首先選擇機(jī)器學(xué)習(xí)領(lǐng)域前沿的深度森林模型(Deep Forest,gcForest),根據(jù)股指期貨的歷史行情數(shù)據(jù)預(yù)測(cè)其價(jià)格漲跌,并與SVM、XGBoost模型的預(yù)測(cè)結(jié)果作對(duì)比。其次,選擇技術(shù)指標(biāo)因子和歷史行情數(shù)據(jù)構(gòu)成26維輸入特征,運(yùn)用核主成分分析(Kernel Principal Component Analysis,KPCA)方法進(jìn)行特征降維和提取,形成KPCA-gcForest組合模型,在經(jīng)過訓(xùn)練后用于預(yù)測(cè)股指期貨價(jià)格漲跌。最后,選擇該組合模型構(gòu)建以滬深300股指期貨為交易對(duì)象的量化擇時(shí)策略,并基于回測(cè)結(jié)果對(duì)該策略進(jìn)行優(yōu)化。本文的研究結(jié)果表明:第一,gcForest模型在與SVM、XGB...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 研究思路與方法
        1.2.1 研究思路
        1.2.2 研究方法
    1.3 研究?jī)?nèi)容與框架
        1.3.1 研究?jī)?nèi)容
        1.3.2 研究框架
    1.4 創(chuàng)新點(diǎn)與不足
        1.4.1 創(chuàng)新之處
        1.4.2 不足之處
第二章 相關(guān)理論與文獻(xiàn)綜述
    2.1 相關(guān)理論
        2.1.1 KPCA核主成分分析
        2.1.2 gcForest算法
    2.2 文獻(xiàn)綜述
        2.2.1 國(guó)外研究現(xiàn)狀
        2.2.2 國(guó)內(nèi)研究現(xiàn)狀
    2.3 文獻(xiàn)述評(píng)
第三章 基于gcForest模型的股指期貨價(jià)格預(yù)測(cè)
    3.1 股指期貨數(shù)據(jù)統(tǒng)計(jì)分析
        3.1.1 歷史行情數(shù)據(jù)描述
        3.1.2 股指期貨收益率分布
    3.2 基于gcForest的預(yù)測(cè)模型構(gòu)建
        3.2.1 輸入變量標(biāo)準(zhǔn)化處理
        3.2.2 輸出標(biāo)簽分類
        3.2.3 模型超參數(shù)選擇
        3.2.4 模型訓(xùn)練過程
    3.3 模型預(yù)測(cè)結(jié)果分析
        3.3.1 混淆矩陣及衍生指標(biāo)
        3.3.2 ROC曲線及AUC值
    3.4 gcForest與其他機(jī)器學(xué)習(xí)模型預(yù)測(cè)效果對(duì)比
        3.4.1 對(duì)比模型選擇
        3.4.2 對(duì)比結(jié)果分析
第四章 基于KPCA-gcForest模型的股指期貨價(jià)格預(yù)測(cè)
    4.1 模型輸入特征選擇
        4.1.1 股指期貨技術(shù)指標(biāo)的提取
        4.1.2 輸入特證相關(guān)性檢驗(yàn)
    4.2 使用KPCA方法對(duì)輸入特征降維
        4.2.1 輸入特征標(biāo)準(zhǔn)化
        4.2.2 輸入特征降維過程
    4.3 KPCA-gcForest組合模型的實(shí)證研究
        4.3.1 KPCA-gcForest模型的訓(xùn)練過程
        4.3.2 KPCA-gcForest模型的預(yù)測(cè)結(jié)果分析
第五章 股指期貨量化交易策略構(gòu)建
    5.1 基于KPCA-gcForest模型的股指期貨擇時(shí)策略構(gòu)建
        5.1.1 數(shù)據(jù)準(zhǔn)備
        5.1.2 策略思路
        5.1.3 策略回測(cè)結(jié)果
    5.2 股指期貨擇時(shí)策略的優(yōu)化
        5.2.1 優(yōu)化思路
        5.2.2 優(yōu)化后的策略回測(cè)結(jié)果
結(jié)論及展望
參考文獻(xiàn)



本文編號(hào)：3811566