隨著金融市場的逐步放開,帶動著金融創(chuàng)新的進程,投資者通過開發(fā)多樣的量化投資策略來指導(dǎo)股票投資。在量化投資領(lǐng)域中,擇時交易作為其非常重要的研究模塊,長期備受投資者青睞。為研究如何在正確的時機進行股票交易這個問題,本文基于函數(shù)型數(shù)據(jù)聚類分析方法構(gòu)建了擇時策略算法,不僅能夠準(zhǔn)確客觀評價交易機會,客服主觀情緒偏差來提高投資效率,同時還能夠讓投資者快速掌握股票未來價格走勢規(guī)律,對期望獲得超額收益的股票投資者有一定的指導(dǎo)意義。本文從技術(shù)分析的角度出發(fā),提出了基于函數(shù)型數(shù)據(jù)聚類分析方法的擇時策略算法。首先利用基于高斯混合模型（GMM）的函數(shù)型數(shù)據(jù)聚類分析方法來對歷史交易數(shù)據(jù)進行分類,剖析出歷史數(shù)據(jù)中的具有代表性的走勢作為該擇時算法的交易信號。其次,對各交易信號出現(xiàn)后的第二日漲跌情況進行預(yù)測的同時,借助基于K-中心點（PAM）算法的函數(shù)型數(shù)據(jù)聚類分析方法對各類別的第二日股價走勢做出預(yù)測,根據(jù)這兩項預(yù)測內(nèi)容來制定合理的交易操作。最后驗證了該算法的有效性和泛化性,以期為投資者進行股票投資提供參考。本文主要結(jié)論為:（1）基于函數(shù)型數(shù)據(jù)聚類分析方法建立的量化擇時策略實證效果理想。研究發(fā)現(xiàn)這兩種聚類方法在函數(shù)型... 

【文章來源】：華僑大學(xué)福建省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

擇時策略實現(xiàn)思路圖

三個數(shù)據(jù)集的處理第一步都是進行函數(shù)型數(shù)據(jù)的擬合工作,其次對于不同的數(shù)據(jù)集的有不同的處理方法,具體如下：（1）對于訓(xùn)練集數(shù)據(jù)處理,在函數(shù)數(shù)據(jù)擬合后進行函數(shù)型主成分分析（FPCA）處理,在找出主成分后即可進行基于GMM的函數(shù)型數(shù)據(jù)聚類分析,根據(jù)聚類結(jié)果對各類別相似歷史片段第二日的市場表現(xiàn)情況進行剖析,依據(jù)后續(xù)市場表現(xiàn)情況分析結(jié)果建立擇時策略。（2）驗證集在函數(shù)型數(shù)據(jù)擬合后將進行數(shù)據(jù)歸類,也就是找出驗證樣本中各交易日的數(shù)據(jù)分別隸屬于訓(xùn)練集聚類結(jié)果的哪個類別,再根據(jù)驗證樣本的實際股票表現(xiàn)驗證擇時策略的勝率。（3）測試集樣本數(shù)據(jù)在進行函數(shù)型數(shù)據(jù)擬合后,以30個交易日為一個時間窗,依次進行策略的泛化性驗證工作,測試該擇時算法的魯棒性。股票一分鐘的價格數(shù)據(jù)本身是離散的,沒有以函數(shù)的形式展現(xiàn)出來,但股票走勢本身是隨著時間維度的推移的,從訓(xùn)練集日離散股價走勢圖（圖3.2）（X軸為時間,Y軸為股票價格）可以看出,離散的股價高頻數(shù)據(jù)呈現(xiàn)出特有的函數(shù)特征,所以適合將其看做曲線,進行函數(shù)型數(shù)據(jù)擬合,方便后續(xù)的數(shù)據(jù)挖掘過程。

本文利用函數(shù)型數(shù)據(jù)分析方法對股價歷史數(shù)據(jù)進行挖掘,第一步先進行函數(shù)型數(shù)據(jù)的擬合。本文通過B-Spline基系統(tǒng)對前復(fù)權(quán)處理過的股票歷史數(shù)據(jù)進行外生基函數(shù)展開擬合后,可以將股價原始從不可導(dǎo),跳動頻繁的離散數(shù)據(jù)轉(zhuǎn)化為平滑的且可導(dǎo)的函數(shù)數(shù)據(jù)。這個步驟對后續(xù)的擇時策略的預(yù)測分析具有尤為重要的意義,在后續(xù)的聚類分析中研究對象將會從原先雜亂的離散數(shù)據(jù)變?yōu)橛苫瘮?shù)系數(shù)表示的概率密度函數(shù)。原始30個交易日的離散數(shù)據(jù)經(jīng)擬合后得到30條函數(shù),其效果如圖3.3所示。圖 3.4訓(xùn)練集樣本函數(shù)一階導(dǎo)數(shù)圖

【參考文獻】：
期刊論文
[1]基于函數(shù)型自適應(yīng)聚類的股票收益波動模式比較[J]. 王德青,何凌云,朱建平.  統(tǒng)計研究. 2018(09)
[2]函數(shù)型數(shù)據(jù)聚類分析研究綜述與展望[J]. 王德青,朱建平,劉曉葳,何凌云.  數(shù)理統(tǒng)計與管理. 2018(01)
[3]函數(shù)型自適應(yīng)權(quán)重聚類分析的再拓展[J]. 王德青,劉曉葳,朱建平.  數(shù)理統(tǒng)計與管理. 2016(01)
[4]函數(shù)型數(shù)據(jù)的分步系統(tǒng)聚類算法[J]. 郭均鵬,王梅南,高成菊,戴暉.  系統(tǒng)管理學(xué)報. 2015(06)
[5]基于自適應(yīng)迭代更新的函數(shù)型數(shù)據(jù)聚類方法研究[J]. 王德青,劉曉葳,朱建平.  統(tǒng)計研究. 2015(04)
[6]個人和機構(gòu)投資者情緒與股票收益——基于上證A股市場的研究[J]. 劉維奇,劉新新.  管理科學(xué)學(xué)報. 2014(03)
[7]一種基于函數(shù)型數(shù)據(jù)的綜合評價方法研究[J]. 蘇為華,孫利榮,崔峰.  統(tǒng)計研究. 2013(02)
[8]Shibor市場中各期限利率波動模式分析——基于FPCA方法[J]. 郭均鵬,孫欽堂,李汶華.  系統(tǒng)工程. 2012(12)
[9]函數(shù)數(shù)據(jù)聚類及其在金融時序分析中的應(yīng)用[J]. 朱建平,王桂明.  統(tǒng)計與決策. 2010(09)
[10]基于函數(shù)型主成分的中國股市波動研究[J]. 岳敏,朱建平.  統(tǒng)計與信息論壇. 2009(03)



本文編號：2943580