本文關(guān)鍵詞： 高頻交易 統(tǒng)計(jì)套利 配對(duì)交易 協(xié)整套利 BP模型　出處：《復(fù)旦大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：數(shù)量化金融理論的發(fā)展,極大的刺激和體現(xiàn)了信息技術(shù)在金融領(lǐng)域日益卓越的重要性。不管是基于事務(wù)性的數(shù)據(jù)存儲(chǔ)處理還是基于交易性的訂單和風(fēng)險(xiǎn)管理,巨大的數(shù)據(jù)存儲(chǔ)的需求和對(duì)時(shí)間實(shí)時(shí)性的要求,計(jì)算機(jī)都扮演了極其重要和不可替代的角色。高頻交易出現(xiàn)及其核心是從金融高頻序列數(shù)理模式轉(zhuǎn)換過來的策略自適應(yīng)算法,依靠金融市場(chǎng)交易信息的滴答數(shù)據(jù)不斷輸入,通過概率先驗(yàn)判斷及其他數(shù)理統(tǒng)計(jì)模型的推理和復(fù)雜數(shù)學(xué)公式一起組成相應(yīng)的計(jì)算機(jī)量化模型模式進(jìn)行金融市場(chǎng)未來走勢(shì)的概率性判斷。統(tǒng)計(jì)套利的出現(xiàn)則提供了根據(jù)這種概率先驗(yàn)判斷和數(shù)理統(tǒng)計(jì)模型的理論依據(jù)來進(jìn)行走勢(shì)判斷的可能性。它利用在市場(chǎng)行情數(shù)據(jù)中尋找統(tǒng)計(jì)學(xué)上一定置信區(qū)間下可信的交易,用承擔(dān)較少和可控的風(fēng)險(xiǎn)來獲得較大收益。本文主要用具體的實(shí)例對(duì)統(tǒng)計(jì)套利和高頻交易結(jié)合交易進(jìn)行具體數(shù)據(jù)的研究和論證,側(cè)重于中國證券市場(chǎng)的具體股票案例。根據(jù)相關(guān)的理論依據(jù)對(duì)統(tǒng)計(jì)套利和其在高頻交易下的案例以及數(shù)據(jù)挖掘下進(jìn)行全面的介紹、研究和績(jī)效評(píng)估。全文的主要部分的相關(guān)內(nèi)容：引言主要簡(jiǎn)單介紹此論文的研究目的、選題意義、文獻(xiàn)綜述、研究方法和創(chuàng)新之處。第一章主要介紹金融交易的相關(guān)理論,包括交易的撮合形式,交易的策略分類和交易頻率的類別。第二章開始介紹統(tǒng)計(jì)套利的理論和策略,包括其理論知識(shí),符合統(tǒng)計(jì)套利的先決條件和其相關(guān)傳統(tǒng)套利模型。從簡(jiǎn)單的配對(duì)交易開始,到稍微復(fù)雜的均值回歸模型,多因子模型和協(xié)整套利模型等。最后發(fā)展到基于數(shù)據(jù)挖掘技術(shù)理論和應(yīng)用包括神經(jīng)網(wǎng)絡(luò)、遺傳算法和混沌時(shí)間序列在內(nèi)的統(tǒng)計(jì)套利的分析和研究。第三章進(jìn)行統(tǒng)計(jì)套利的實(shí)證分析,這是本文的核心部分。選取相應(yīng)的中國證券市場(chǎng)的股票案例對(duì)配對(duì)模型和協(xié)整模型的統(tǒng)計(jì)套利進(jìn)行實(shí)例性的論證分析和研究,并進(jìn)一步研究協(xié)整模型的統(tǒng)計(jì)套利在高頻交易下的實(shí)例分析,最后論證數(shù)據(jù)挖掘中BP模型的案例驗(yàn)證。末章進(jìn)行關(guān)于高頻統(tǒng)計(jì)套利自動(dòng)化交易平臺(tái)結(jié)構(gòu)介紹和模型測(cè)試,對(duì)其進(jìn)行績(jī)效評(píng)估方法的研究及展望,并結(jié)合資本市場(chǎng)上實(shí)際發(fā)生的光大證券烏龍指事件進(jìn)行分析和闡述。
[Abstract]:The development of quantitative financial theory has greatly stimulated and demonstrated the increasing importance of information technology in the financial field, whether it is based on transactional data storage processing or transactional order and risk management. Because of the huge demand of data storage and the requirement of real-time time, computer plays an important and irreplaceable role. The emergence of high-frequency trading and its core is a self-adaptive strategy algorithm, which is transformed from the mathematical mode of financial high-frequency sequence. Ticking data, which rely on financial market transaction information, The probabilistic judgment of the future trend of the financial market is carried out through probabilistic priori judgment and the reasoning of other mathematical statistical models and the complex mathematical formula. The appearance of statistical arbitrage provides the basis for the probability judgment of the future trend of the financial market. The possibility of judging the trend according to the theoretical basis of the probabilistic priori judgment and the mathematical statistical model is given. It uses the market price data to find credible transactions with a statistical confidence interval. This paper mainly uses the concrete examples to study and prove the specific data of statistical arbitrage and high-frequency trading. Focusing on the specific stock cases in China's securities market. According to the relevant theoretical basis to carry on the comprehensive introduction to the statistical arbitrage and its cases under high-frequency trading and data mining. Research and performance evaluation. The main part of the full text related content: the introduction mainly introduces the purpose of this paper, the significance of the topic, literature review, research methods and innovations. The first chapter mainly introduces the relevant theories of financial transactions. The second chapter introduces the theory and strategy of statistical arbitrage, including its theoretical knowledge. Consistent with the prerequisites for statistical arbitrage and its associated traditional arbitrage models. From simple pairing transactions to slightly more complex mean regression models, Finally, based on the theory and application of data mining technology, including neural network, The analysis and research of statistical arbitrage including genetic algorithm and chaotic time series. This is the core of this paper. Select the corresponding stock case of Chinese stock market to analyze and study the statistical arbitrage of pairing model and cointegration model. And further study the statistical arbitrage of cointegration model in high-frequency trading case analysis, and finally demonstrate the data mining BP model case verification. The last chapter introduces the structure of high-frequency statistical arbitrage automated trading platform and model testing. The research and prospect of its performance evaluation method, and the analysis and exposition of the Oolong finger event of Everbright Securities in the capital market.
【學(xué)位授予單位】：復(fù)旦大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：F832.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓海萌;信息時(shí)代的指南針——數(shù)據(jù)挖掘[J];江蘇統(tǒng)計(jì);2002年05期

2 韓雙霞;李萍;;數(shù)據(jù)挖掘:構(gòu)筑企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)[J];金卡工程;2002年08期

3 李菁菁,邵培基,黃亦瀟;數(shù)據(jù)挖掘在中國的現(xiàn)狀和發(fā)展研究[J];管理工程學(xué)報(bào);2004年03期

4 ;中國科學(xué)院數(shù)據(jù)挖掘與知識(shí)管理學(xué)術(shù)研討會(huì)在京舉行[J];管理評(píng)論;2004年07期

5 李峰;數(shù)據(jù)挖掘在企業(yè)中的應(yīng)用[J];商場(chǎng)現(xiàn)代化;2004年15期

6 魏瑜,陸靜;數(shù)據(jù)挖掘與統(tǒng)計(jì)學(xué)的關(guān)系淺析[J];沿海企業(yè)與科技;2005年09期

7 羅錦珠;數(shù)據(jù)挖掘與知識(shí)管理的結(jié)合應(yīng)用[J];技術(shù)經(jīng)濟(jì);2005年10期

8 袁衛(wèi),林楨順,謝邦昌;工業(yè)領(lǐng)域的數(shù)據(jù)挖掘——改善流程,提高效率[J];中國統(tǒng)計(jì);2005年04期

9 王琳;;統(tǒng)計(jì)學(xué)方法在數(shù)據(jù)挖掘中的應(yīng)用[J];當(dāng)代經(jīng)理人;2006年02期

10 劉曉華;;數(shù)據(jù)挖掘在商業(yè)中的應(yīng)用[J];商場(chǎng)現(xiàn)代化;2006年34期

相關(guān)會(huì)議論文 前10條

1 史東輝;蔡慶生;張春陽;;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2000年

2 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應(yīng)用[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）論文集[C];2009年

3 魏順平;;教育數(shù)據(jù)挖掘:現(xiàn)狀與趨勢(shì)[A];信息化、工業(yè)化融合與服務(wù)創(chuàng)新——第十三屆計(jì)算機(jī)模擬與信息技術(shù)學(xué)術(shù)會(huì)議論文集[C];2011年

4 關(guān)清平;沉培輝;;概率網(wǎng)絡(luò)在數(shù)據(jù)挖掘上的應(yīng)用[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會(huì)論文集[C];2004年

5 丁瑾;;基于Web數(shù)據(jù)挖掘的綜述[A];山西省科學(xué)技術(shù)情報(bào)學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2004年

6 聶茹;田森平;;Web數(shù)據(jù)挖掘及其在電子商務(wù)中的應(yīng)用[A];中南六�。▍^(qū)）自動(dòng)化學(xué)會(huì)第24屆學(xué)術(shù)年會(huì)會(huì)議論文集[C];2006年

7 李菊;王軍;;數(shù)據(jù)挖掘在客戶關(guān)系管理的應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

8 肖陽;李啟賢;;數(shù)據(jù)挖掘在中國鋼鐵行業(yè)中的應(yīng)用[A];中國計(jì)量協(xié)會(huì)冶金分會(huì)2012年會(huì)暨能源計(jì)量與節(jié)能降耗經(jīng)驗(yàn)交流會(huì)論文集[C];2012年

9 楊磊;王貴成;汪勇;張占勝;;SQL Server 2005在數(shù)據(jù)挖掘中的應(yīng)用[A];2009年中國智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

10 謝中;邱玉輝;;面向商務(wù)網(wǎng)站有效性的數(shù)據(jù)挖掘方法[A];第十八屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2001年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者褚寧;數(shù)據(jù)挖掘如“挖金”[N];解放日?qǐng)?bào);2002年

2 周蓉蓉;數(shù)據(jù)挖掘需要點(diǎn)想像力[N];計(jì)算機(jī)世界;2004年

3 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

4 《網(wǎng)絡(luò)世界》記者 王瑩;數(shù)據(jù)挖掘保險(xiǎn)業(yè)的新藍(lán)海[N];網(wǎng)絡(luò)世界;2012年

5 劉俊麗;基于地理化的網(wǎng)絡(luò)數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

6 本報(bào)記者 連曉東;數(shù)據(jù)挖掘：金融信息化新熱點(diǎn)[N];中國電子報(bào);2002年

7 本報(bào)記者 鳳小華 朱仁康;“數(shù)字挖掘軟件”引領(lǐng)中國信息化新浪潮[N];中國電子報(bào);2003年

8 本報(bào)記者　史延廷;“成功企業(yè)數(shù)據(jù)挖掘暨數(shù)量化管理論壇”在京舉辦[N];中國旅游報(bào);2002年

9 朱小寧;數(shù)據(jù)挖掘：信息化戰(zhàn)爭(zhēng)的基礎(chǔ)工程[N];解放軍報(bào);2005年

10 本報(bào)記者 王小平;從“大集中”走向數(shù)據(jù)挖掘[N];金融時(shí)報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 于自強(qiáng);海量流數(shù)據(jù)挖掘相關(guān)問題研究[D];山東大學(xué);2015年

2 張馨;全基因組SNP芯片應(yīng)用于CNV和L0H分析的軟件比對(duì)與數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

3 彭計(jì)紅;基于數(shù)據(jù)挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學(xué);2015年

4 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術(shù)研究[D];復(fù)旦大學(xué);2013年

5 鄔文帥;基于多目標(biāo)決策的數(shù)據(jù)挖掘方法評(píng)估與應(yīng)用[D];電子科技大學(xué);2015年

6 李榮;生物信息數(shù)據(jù)挖掘若干關(guān)鍵問題研究與應(yīng)用[D];復(fù)旦大學(xué);2004年

7 李玉華;面向服務(wù)的數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2006年

8 吳少智;時(shí)間序列數(shù)據(jù)挖掘在生物醫(yī)學(xué)中的應(yīng)用研究[D];電子科技大學(xué);2010年

9 王珊珊;知識(shí)指導(dǎo)下的數(shù)據(jù)挖掘在新聞和金融工具之間因果關(guān)系上的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2009年

10 楊虎;序列數(shù)據(jù)挖掘的模型和算法研究[D];重慶大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 林仁紅;基于數(shù)據(jù)挖掘的機(jī)遇識(shí)別與評(píng)價(jià)研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2007年

2 張彥俊;游戲運(yùn)營中的數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

3 焦亞召;基于多核函數(shù)FCM算法在數(shù)據(jù)挖掘聚類中的應(yīng)用研究[D];昆明理工大學(xué);2015年

4 王杰鋒;物聯(lián)網(wǎng)能耗數(shù)據(jù)智能分析及其應(yīng)用平臺(tái)設(shè)計(jì)[D];江南大學(xué);2015年

5 劉學(xué)建;數(shù)據(jù)挖掘在電子商務(wù)推薦系統(tǒng)中的應(yīng)用研究[D];昆明理工大學(xué);2015年

6 戴陽陽;基于數(shù)據(jù)挖掘的金融時(shí)間序列預(yù)測(cè)研究與應(yīng)用[D];江南大學(xué);2015年

7 石思優(yōu);基于主題模型的醫(yī)療數(shù)據(jù)挖掘研究[D];廣東技術(shù)師范學(xué)院;2015年

8 陳丹;移動(dòng)互聯(lián)網(wǎng)信令挖掘?qū)崿F(xiàn)智慧營銷的設(shè)計(jì)與實(shí)現(xiàn)應(yīng)用研究[D];華南理工大學(xué);2015年

9 陳思;基于數(shù)據(jù)挖掘的大學(xué)生客戶識(shí)別模型的研究[D];昆明理工大學(xué);2015年

10 位長帥;基于客戶數(shù)據(jù)挖掘的電信客戶關(guān)系管理研究[D];西南交通大學(xué);2015年

，

本文編號(hào)：1535746