發(fā)布時間：2020-12-08 10:12

　　由于我國A股市場實行“T+1”交易制度,在實際投資中,中長線交易更受投資者們的喜愛,對于超短線日內回轉交易的認識程度不高,更缺乏對此的研究。然而隨著我國各種金融衍生工具的出現(xiàn),我國股票市場走上了高速發(fā)展的道路,更是因此形成了多種多樣的交易策略。本文研究了通過滬深300成分股建立現(xiàn)貨組合進行對沖并在股票現(xiàn)貨市場上進行日內回轉交易的策略,以期在股票市場上取得低風險的穩(wěn)定收益。本文分為構建現(xiàn)貨組合和日內回轉交易兩部分進行研究。第一部分通過跟蹤滬深300指數(shù)構建股票現(xiàn)貨組合。首先根據(jù)不同的現(xiàn)貨構建方法進行研究,并從中選取了部分優(yōu)化復制的方法來構建現(xiàn)貨組合。利用主成分分析和K-Means算法對滬深300成分股進行聚類分析得到10類、20類、30類、40類、50類股票,并從每一類股票中選取平均振幅最大的成分股利用遺傳算法計算其跟蹤滬深300指數(shù)的最優(yōu)權重。然后比較分析了“聚類+優(yōu)化權重”、“聚類+等權重”、“市值排列+優(yōu)化權重”、“市值排列+等權重”的跟蹤誤差,確定了“聚類+優(yōu)化權重”的跟蹤效果最好。最后利用滬深300股指期貨進行對沖以幫助后續(xù)的日內回轉交易規(guī)避系統(tǒng)性風險。第二部分研究通過預配置相... 

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

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

研究路線

哈爾濱工業(yè)大學管理學碩士學位論文益率作為訓練集進行聚類分析，將 2018 年 6 月 1 日至 2019 年 4 月 30 日的數(shù)據(jù)做為測試集。由于數(shù)據(jù)維度較高，所以通過 PCA 進行降維處理再聚類。數(shù)據(jù)維度過高會導致維度災難，如果變量個數(shù)增加，隨之需要估計的參數(shù)個數(shù)也在增加，在訓練集保持不變的情況下待估參數(shù)的方差也會隨之增加，導致參數(shù)估計質量下降。主成分分析則可以通過數(shù)學方法進行降維，將高維變量縮減為一組較少的互相無關的綜合指標。本文對高頻數(shù)據(jù)聚類分析時，每只股票的 5 分鐘數(shù)據(jù)數(shù)量在[24000，28800]這個區(qū)間內，利用 PCA 將其降為 3000 維的變量，累計方差貢獻率為 90.67%。本文通過 Python 進行 PCA。如圖 3-1 為主成分分析部分結果。

哈爾濱工業(yè)大學管理學碩士學位論文票，在類別間比較時，不同類別的股票的走勢是會有很大差異的，為了驗證這一點，我們在聚類成 10 類的股票中，挑選每一類中的代表股票，分別是：中國平安，洛陽鉬業(yè)，華泰證券，萬科 A，南方航空，招商銀行，大華股份，用友網絡，華東醫(yī)藥，五糧液。根據(jù)這 10 只股票的每日收盤價畫出他們的走勢如下圖 3-2。

【參考文獻】：
期刊論文
[1]皮爾森優(yōu)化結合Xgboost算法的股價預測研究[J]. 陳宇韶,唐振軍,羅揚,楊潔.  信息技術. 2018(09)
[2]股指期貨套利中的最優(yōu)現(xiàn)貨組合構建策略研究[J]. 周羽齊.  今日財富. 2018(10)
[3]基于技術分析指標的投資者情緒指數(shù)有效性研究[J]. 向誠,陸靜.  管理科學. 2018(01)
[4]基于貝葉斯最優(yōu)化的Xgboost算法的改進及應用[J]. 李葉紫,王振友,周怡璐,韓曉卓.  廣東工業(yè)大學學報. 2018(01)
[5]基于MACD與MA比較的價格趨勢識別[J]. 鄒海榮,陳標金.  企業(yè)經濟. 2017(07)
[6]股指期貨套利中的最優(yōu)現(xiàn)貨組合構建策略研究[J]. 柴尚蕾,郭崇慧,徐旭.  運籌與管理. 2012(02)
[7]回轉交易制度對股票市場質量的影響[J]. 成微,劉善存,邱菀華.  系統(tǒng)工程理論與實踐. 2011(08)
[8]日內回轉交易的市場效果:基于上海證券市場的實證研究[J]. 劉逖,葉武.  新金融. 2008(03)
[9]滬深300股指期貨期現(xiàn)套利中現(xiàn)貨選擇研究[J]. 劉冰.  時代經貿(中旬刊). 2007(SC)
[10]股指期貨定價與期現(xiàn)套利分析——兼論滬深300股指的現(xiàn)貨模擬策略[J]. 蘇嬋媛.  北方經濟. 2007(22)

碩士論文
[1]基于XGBoost模型的短期股票預測[D]. 伯毅.哈爾濱工業(yè)大學 2018
[2]基于異構信息處理對股票聯(lián)動效應的研究[D]. 湯瑤.哈爾濱工業(yè)大學 2018
[3]中國股指期貨期現(xiàn)套利研究及策略設計[D]. 梁媚.浙江大學 2017
[4]基于多技術指標和形態(tài)軌跡量化的股票趨勢預測方法研究[D]. 衛(wèi)柄岐.西北大學 2017
[5]基于XGBoost算法的多因子量化選股方案策劃[D]. 李想.上海師范大學 2017
[6]基于機器學習的量化選股研究[D]. 胡謙.山東大學 2016
[7]滬深300股指復制策略研究[D]. 許悅.南京大學 2015
[8]股指期貨的套利策略研究[D]. 韓潔.西北大學 2013
[9]基于高頻數(shù)據(jù)的中國股指期貨程序化交易策略有效性研究[D]. 寇義.哈爾濱工業(yè)大學 2013
[10]基于股指期貨的套利策略設計[D]. 鄒志超.華中科技大學 2013



本文編號：2904919