自1960年代世界上第一只量化投資基金誕生以來,量化投資逐漸成為一種重要的投資方法,在1989年到2009年間,以西蒙斯為代表頂尖量化投資基金創(chuàng)造了平均年化收益率達35%的傲人成績,這使得量化投資這一技術得到越來越多投資者的關注。與此同時,隨著2006年深度神經(jīng)網(wǎng)絡的提出,這一技術在圖像識別、語音識別、文本情感挖掘等領域取得了驚人的成績。隨著深度神經(jīng)網(wǎng)絡的快速發(fā)展,近年來開始有學者將深度神經(jīng)網(wǎng)絡應用于量化投資領域進行研究分析。本文的研究內容,首先,本文通過對相關理論的梳理和總結,選取了30只在A股上市時間較長、流動性較好、具有一定代表性的股票,選取其價格、指標等因子,同時加入了市場因素共60個因子,對其進行歸一化處理;其次,對這些因子用主成分分析法、自動編碼器、受限玻爾茲曼機三種模型進行特征提取,利用邏輯回歸模型比較各種特征數(shù)據(jù)的預測效果;再次,選擇上一步輸出的特征數(shù)據(jù),加入原始數(shù)據(jù)作為比較,將它們輸入深度神經(jīng)網(wǎng)絡模型,通過對三種目標函數(shù)對比,選出最優(yōu)的深度神經(jīng)網(wǎng)絡模型結構;然后,本文構建了深度神經(jīng)網(wǎng)絡-邏輯回歸模型（DNN-LR）,并與人工神經(jīng)網(wǎng)絡和深度神經(jīng)網(wǎng)絡模型比較,對比各個模型... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

研究路線圖

圖 2.1 Meculloch-Pitts 神經(jīng)元模型神經(jīng)元的輸入信號，它來自于系統(tǒng)或其它神、 均為神經(jīng)元結構的參數(shù)。把所有輸入信里稱為 ，表示為：

圖 2.2 神經(jīng)網(wǎng)絡結構圖神經(jīng)網(wǎng)絡的層與層之間通常為全連接，層內沒有連接。每一層接（或輸入信號）后，通常根據(jù)誤差反向傳播算法（Error Back Pr算層與層之間聯(lián)系的權重，通過不斷調整 、 的值最終使得整

【參考文獻】：
期刊論文
[1]基于DBN的金融時序數(shù)據(jù)建模與決策[J]. 曾志平,蕭海東,張新鵬.  計算機技術與發(fā)展. 2017(04)
[2]基于誤差校正的灰色神經(jīng)網(wǎng)絡股票收益率預測[J]. 于志軍,楊善林,章政,焦健.  中國管理科學. 2015(12)
[3]基于變量選擇和遺傳網(wǎng)絡規(guī)劃的期貨高頻交易策略研究[J]. 陳艷,王宣承.  中國管理科學. 2015(10)
[4]基于啟發(fā)式算法的支持向量機選股模型[J]. 陳榮達,虞歡歡.  系統(tǒng)工程. 2014(02)
[5]細數(shù)風控最好的私募基金[J]. 許付漪.  卓越理財. 2013(04)
[6]國內量化基金現(xiàn)狀分析及展望[J]. 王博.  經(jīng)濟視角(下). 2011(11)
[7]經(jīng)典指標夏普比率評析[J]. 丁庭棟,李富軍.  現(xiàn)代商業(yè). 2011(17)
[8]基于EMD與神經(jīng)網(wǎng)絡的中國股票市場預測[J]. 王文波,費浦生,羿旭明.  系統(tǒng)工程理論與實踐. 2010(06)
[9]基于BP神經(jīng)網(wǎng)絡的股市建模與決策[J]. 禹建麗,孫增圻,Valeri.Kroumov,成久洋之,劉治軍.  系統(tǒng)工程理論與實踐. 2003(05)
[10]基于T-S模型的模糊神經(jīng)網(wǎng)絡在股市預測中的應用[J]. 陳興,孟衛(wèi)東,嚴太華.  系統(tǒng)工程理論與實踐. 2001(02)

碩士論文
[1]基于文本挖掘的量化投資系統(tǒng)[D]. 鄒振華.華南理工大學 2013
[2]基于Alpha動量的交易系統(tǒng)設計[D]. 王若舟.南京大學 2012
[3]“極小投資模型”的數(shù)理基礎與市場實證[D]. 張逸進.華南理工大學 2012
[4]基于神經(jīng)網(wǎng)絡技術的行業(yè)配對量化投資策略研究[D]. 黃智燁.復旦大學 2012
[5]一種基于數(shù)據(jù)挖掘的量化投資系統(tǒng)的設計與實現(xiàn)[D]. 朱博雅.復旦大學 2012



本文編號：3502840