發(fā)布時間：2020-09-23 11:59

　　 量化交易因其具有自動化與一致性程度高、總體收益高且較為穩(wěn)定等顯著優(yōu)點,成為國內外投資領域研究人員與交易人員共同關注的焦點。量化交易主要有行情預測和擇時策略兩部分組成,而行情預測是量化交易有效運作的重要保障。行情預測按照數據和模型來劃分,可分為特征生成與預測模型構建。現有相關研究工作主要側重于預測模型的構建與改進,取得了較大進展;但是對特征生成的關注較少,進展有限。特征生成是預測模型構建的基礎與前提,其性能的高低直接影響著預測模型的有效性。針對這種情況,本文聚焦于特征生成方法方面的研究,具體內容是特征生成中輸入信息設計和特征提取方法的研究,并構建LSTM預測模型進行驗證。輸入信息的有效性直接影響著生成特征的性能高低。現有研究工作主要使用證券走勢K線中的高、開、低、收四價及成交量作為輸入數據。此外,部分研究工作在上述基變量的基礎上引入了更多的統計信息,取得了較多成果。然而這些研究工作不但在信息選取方面缺乏有效依據,而且選取信息的有效性也有待進一步提升。本文通過理論分析和實驗驗證對輸入信息進行設計,首先分析基礎信息的冗余性進行信息去冗余,其次針對信息的缺失和不足進行信息增強,為基礎數據補充了短期的沖量信息和方向性的趨勢信息,最后通過實驗來驗證特征組合的合理性。特征提取作為特征生成中的重要步驟,其優(yōu)劣在一定程度上決定特征性能的好壞。其中主成分分析、自動編碼器應用最為廣泛,但這些方法會丟失大量對預測有益的信息。為了提高特征性能,本文將極具發(fā)展前景的自動編碼器作為研究重點。針對標簽信息沒有得到有效利用的問題,本文提出了借鑒范式約束和聚類思想,利用標簽分類信息對目標函數進行約束。使得編碼后的特征向量不僅可以有效表達原始輸入信息,還在降低維度的同時提升了分類能力,有助于提高預測模型效果。
【學位單位】：河南大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：F832.51
【部分圖文】：

通常用銀行儲蓄或其它投資獲得的平均利率，為了方便統計通來替代。當 I 下降時，P 一般會上漲，反之會下降。行業(yè)和區(qū)域因素，股民對當前行業(yè)發(fā)展的預判與該區(qū)域各行業(yè)各區(qū)該行業(yè)上市公司股票價格造成的影響。不同的行業(yè)國家政策優(yōu)惠域發(fā)展水平也有很大的差距。市場因素，投資者對股票未來的預判和投資心理，使其產生做多或發(fā)生相應的上漲和下降。在不規(guī)范、缺乏有效監(jiān)管的股票市場中還存股市的行為，有些機構或者大戶利用自己雄厚的資金來控制股票價額利益。處理對模型學習效果的影響非常大，不合理的數據和數據處理方法會導的數據處理流程如圖 2-1 所示。

如下五種可能：（1）新發(fā)售的股票首個交易日。（2）增發(fā)股票上市當天交易日。（3）股票在經歷長時間停牌后，重新允許買賣的首個交易日。（4）股改后的股票(以 S 開頭，但不是 ST)，重新允許買賣首個交易日。（5）經過重大資產重組后的股票復牌當天。.3 數據集劃分單個樣本長度為 20，即有 20 天股票數據。樣本集合分成三組，訓練集、驗證一個時間范圍數量上按 9:1 的比例進行劃分，分別為 74916、8324，而測試集相對于前兩部分屬于未來數據為 6680。訓練集用來訓練模型參數。驗證數據集練，用來驗證當前模型的泛化能力，幫助保存泛化能力最好的模型。測試集進模型對未來的預測效果，并通過與簡單的交易策略結合來驗證收益比率。

圖 3-1 RNN 神經網絡結構圖在圖 3-1 的結構中網絡節(jié)點 A，接收到一個輸入 Xt，通過網絡計算會輸出一個狀 ht。循環(huán)使得信息可以被傳遞一步或多步。為了理解 RNN，通常將循環(huán)進行展開[38]

【相似文獻】

相關期刊論文 前10條

1 蘇葉;;重點蔬菜品種行情預測[J];農家致富;2017年04期

2 東旭;;肉牛養(yǎng)殖未來行情預測[J];農村實用技術;2007年10期

3 ;肉牛養(yǎng)殖未來行情預測[J];農民科技培訓;2007年10期

4 ;2006年家兔市場行情預測[J];農家之友;2006年02期

5 王兆廣,付東凱,周慶海;近期禽蛋價格上漲剖析及下半年行情預測[J];中國禽業(yè)導刊;2005年12期

6 ;2005年玉米行情預測及展望[J];農民科技培訓;2005年03期

7 劉洪;2003年1月菜價分析及4月行情預測[J];長江蔬菜;2003年04期

8 ;2003年3月菜價分析及6月行情預測[J];長江蔬菜;2003年06期

9 楊蓉;2003年4月菜價分析及7月行情預測[J];長江蔬菜;2003年07期

10 劉洪;福州市歷年菜價分析及10城市2003年8月行情預測[J];長江蔬菜;2003年08期

相關會議論文 前3條

1 朱黎;;雪災之后對湖北王漿市場行情預測[A];2008年全國蜂產品市場信息交流會暨中國（鄭州）蜂業(yè)博覽會論文集[C];2008年

2 王在榮;;結構調整延續(xù) 商品或將先抑后揚探底回升——近期商品走勢解析及行情預測[A];2014沈鼓杯大型空分裝備技術交流會論文集[C];2014年

3 ;山東省平邑禽業(yè)協會[A];中國禽業(yè)發(fā)展大會暨中國畜牧業(yè)協會禽業(yè)分會第二屆會員代表大會論文集[C];2007年

相關重要報紙文章 前10條

1 青島西海岸城市建設工程有限公司 劉錫鵬;北方苗市行情預測分析(上)[N];中國花卉報;2019年

2 青島西海岸城市建設工程有限公司 劉錫鵬;北方苗市行情預測分析(下)[N];中國花卉報;2019年

3 鄭平;2016中藥材十大漲價品種[N];醫(yī)藥經濟報;2017年

4 本報記者 李文;券商下半年A股行情預測現分歧 存在反彈機會還是震蕩下行？[N];證券日報;2017年

5 金友;2015年行情預測[N];中國畜牧獸醫(yī)報;2015年

6 羅敏輝;幾種常規(guī)淡水魚行情預測[N];中國漁業(yè)報;2015年

7 李來想;華北建筑鋼材市場行情預測[N];物資信息報;2005年

8 秀平;部分中藥材行情預測[N];中國醫(yī)藥報;2009年

9 ;“新視通”為券商鎖定客戶[N];人民郵電;2001年

10 張榮勝;今年上半年小麥行情預測[N];河北科技報;2007年

相關博士學位論文 前1條

1 譚華;不確定時態(tài)數據挖掘方法及其在證券行情預測中的應用[D];湖南大學;2008年

相關碩士學位論文 前3條

1 朱萌博;面向證券行情預測的特征生成方法研究[D];河南大學;2018年

2 王崗;基于網絡信息挖掘的金融行情預測[D];南京大學;2016年

3 李艦;基于社交媒體文本的股市行情預測關鍵技術研究[D];華中師范大學;2017年

本文編號：2825297