隨著我國證券市場的逐步完善,基金業(yè)的不斷發(fā)展,投資機構對指數(shù)基金的投資不再滿足于傳統(tǒng)的純粹被動管理式指數(shù)基金,而是希望運用各種策略優(yōu)化投資組合,對其進行主動管理,從而獲得高于基準指數(shù)的收益。這就需要引入增強型指數(shù)基金。由于增強型指數(shù)基金要盡可能保持標的指數(shù)的特征,根據(jù)每一種證券在指數(shù)中所占的比例,購買相應比例的證券,所以無法改變指數(shù)基金的投資對象。因此,為了獲得超額收益,投資機構需要更加關注買賣基金的時機,有擇時交易的需求。目前在我國證券市場上,存在較多的量化交易方法來做擇時交易,有BP靜態(tài)網(wǎng)絡,SVM模型,NARX動態(tài)網(wǎng)絡。但是還未找到適合我國A股市場滬深300指數(shù)基金的量化擇時方法。所以,本文希望找到適合滬深300指數(shù)的量化擇時方法,從而使構造的增強型指數(shù)基金能夠跑贏基準指數(shù),獲得超額收益。本文針對量化擇時方法在我國A股市場有效性的問題與選取最優(yōu)擇時方法的問題,進行了實證分析。首先,分別用BP靜態(tài)神經(jīng)網(wǎng)絡、支持向量機模型與NARX動態(tài)神經(jīng)網(wǎng)絡預測滬深300指數(shù)的價格,比較三種模型的擬合效果。實證結果表明NARX動態(tài)神經(jīng)網(wǎng)絡的擬合效果最佳。其次,在對股價擬合的基礎上,進一步用這三種模... 

【文章來源】：上海師范大學上海市

【文章頁數(shù)】：126 頁

【學位級別】：碩士

【部分圖文】：

圖１．２本文技術路線圖??１．４本文的主要貢獻??本文主要研究基于ＮＡＲＸ動態(tài)神經(jīng)網(wǎng)絡的量化擇時策略，將其應用于??

量化交易策略是以數(shù)學、統(tǒng)計學為基礎，以計算機編程軟件為工具，??通過之前的數(shù)據(jù)來預測未來的數(shù)據(jù)走勢，根據(jù)預測結果進行投資的策略方??法，圖２．１表現(xiàn)了在量化交易過程中，投資人如何使用模型進行投資。投資??人創(chuàng)建模型，通過模型管理股票。??Ｉ?創(chuàng)建－?Ｉ?管理一??人一??＾?模型－?—??圖２．１人與模型在量化交易中的作用??量化交易方法的步驟有三步，分別為量化分析、數(shù)學建模、虛擬操盤，??如圖２．２所示。??１４??

絡能夠劃分成兩類，如下所示。??第一類是序列并行序列模式，該類模式的輸出變量僅僅由其自身的序??列所決定，見圖２．３。??＾（？）??抑，＾——Ｊｊ??——ＪＦ?Ｊ??圖２．３序列并行序列模式ＮＡＲＸ網(wǎng)絡拓撲圖??１６??

【參考文獻】：
期刊論文
[1]基于PSO優(yōu)化LSSVM的股價時間序列預測[J]. 王國俊.  科技和產(chǎn)業(yè). 2017(10)
[2]財經(jīng)新聞與股市投資策略研究——基于財經(jīng)網(wǎng)站的文本挖掘[J]. 孟雪井,楊亞飛,趙新泉.  投資研究. 2016(08)
[3]GARP數(shù)量化選股及馬爾科夫鏈擇時策略研究[J]. 劉洋,夏思雨,胡思瑞,林思亮.  金融與經(jīng)濟. 2016(05)
[4]基于貝葉斯正則化算法BP神經(jīng)網(wǎng)絡釩電池SOC預測[J]. 楊春生,牛紅濤,隋良紅,李明興.  現(xiàn)代電子技術. 2016(08)
[5]基于SVM修正的模糊時間序列模型在滬指預測中的應用[J]. 李小琳,孫玥,劉洋.  中國科學技術大學學報. 2016(03)
[6]基于MEA-BP神經(jīng)網(wǎng)絡的財務危機預警研究[J]. 趙辰,南星恒.  財會通訊. 2016(01)
[7]行業(yè)與個股新聞對股票價格影響的定量分析[J]. 徐偉,李韻喆.  財經(jīng)界(學術版). 2015(13)
[8]基于線性學習函數(shù)的泛證券投資組合策略[J]. 張衛(wèi)國,張永,徐維軍,楊興雨.  系統(tǒng)工程理論與實踐. 2012(08)
[9]基于改進的網(wǎng)格搜索法的SVM參數(shù)優(yōu)化[J]. 王健峰,張磊,陳國興,何學文.  應用科技. 2012(03)
[10]基于支持向量回歸機的股票價格預測[J]. 謝國強.  計算機仿真. 2012(04)

博士論文
[1]量化投資：若干金融衍生品的定價模型及投資策略研究[D]. 劉帥.上海大學 2016

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡的股價預測研究[D]. 萬騰飛.廣西大學 2015
[2]基于BP神經(jīng)網(wǎng)絡與智能算法的股價預測方法研究[D]. 羅毅.深圳大學 2015



本文編號：3282654