發(fā)布時(shí)間：2020-12-14 23:46

　　量化投資主要基于數(shù)學(xué)的方法完成投資的決策和實(shí)施,而且其中往往伴隨著計(jì)算機(jī)技術(shù)的參與。量化投資的理論、策略以及實(shí)踐在金融環(huán)境成熟的海外投資市場(chǎng)已經(jīng)發(fā)展多年。伴隨著近年來(lái)人工智能技術(shù)的再度興起,各種新技術(shù)、新模型和高性能的計(jì)算機(jī)也與量化投資的結(jié)合越來(lái)越緊密,并且相關(guān)的概念和研究也逐漸被越來(lái)越重視。量化投資具有很多特點(diǎn):首先是嚴(yán)格按照數(shù)理結(jié)果做出投資決策。在量化投資中決策的依據(jù)是模型的結(jié)果,而不是投資者的感覺(jué)。量化投資很好的克服了傳統(tǒng)投資方式下人性缺陷帶來(lái)的不足,每一次的投資決策所有的行動(dòng)理由全部基于嚴(yán)密的數(shù)學(xué)計(jì)算結(jié)果。其次量化投資可以做到高效、嚴(yán)密的處理分析數(shù)據(jù)。傳統(tǒng)的投資方法面對(duì)當(dāng)今信息時(shí)代爆炸性增長(zhǎng)的數(shù)據(jù),難以做到全面、縝密和具有邏輯的分析處理。而量化投資模型可以很快速的處理成千上萬(wàn)關(guān)于投資的信息,最新的人工智能算法又可以在復(fù)雜的各種信息中理清關(guān)系構(gòu)建評(píng)估體系,可以說(shuō)基于計(jì)算機(jī)技術(shù)的量化投資可以看到傳統(tǒng)的投資方式難以看到的信息。最后量化投資可以做到從金融數(shù)據(jù)中發(fā)掘價(jià)值。從最初的統(tǒng)計(jì)套利,根據(jù)統(tǒng)計(jì)學(xué)的原理在具有相同性質(zhì)的股票之間尋找價(jià)差,到之后基于概率和歷史數(shù)據(jù)挖據(jù)模型,量化投資利用數(shù)學(xué)... 

【文章來(lái)源】：中國(guó)社會(huì)科學(xué)院研究生院北京市

【文章頁(yè)數(shù)】：127 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

論文的研究框架架構(gòu)

作為證券投資策略問(wèn)題的核心,如何最優(yōu)化在既定風(fēng)險(xiǎn)下的收益或者在既定收益下的風(fēng)險(xiǎn)是投資者最關(guān)心的問(wèn)題。一個(gè)理性的投資者的選擇一定是這二者的兩個(gè)極值,即相同收益時(shí)承擔(dān)最小的風(fēng)險(xiǎn)或者相同的風(fēng)險(xiǎn)時(shí)獲得最高的收益。在此處的圖上表示出這一極值問(wèn)題的曲線,其中橫坐標(biāo)為代表風(fēng)險(xiǎn)的波動(dòng)率,縱坐標(biāo)為代表收益的均值,根據(jù)理性投資者的選擇可以繪制出一條曲線。這條曲線就是馬科維茨的投資組合的有效邊界。在這個(gè)曲線上的所有投資組合都是有效的投資組合,滿足理性投資者的設(shè)定。該曲線是單調(diào)遞增曲線,具體表示如下圖2-1所示:對(duì)于在圖2-1的風(fēng)險(xiǎn)-收益平面上之上的投資組合而言,任意一個(gè)投資組合只有兩種選擇:處于有效邊界之上或者位于有效邊界之下。所以這條有效邊界就是我們?cè)谑袌?chǎng)中所能獲得的全部最優(yōu)的投資組合,理性投資者的選擇一定會(huì)落在這條有效邊界之上。在量化投資的具體實(shí)踐中建立投資組合的理論除了以上的馬科維茨的投資組合理論之外,還有很多其它的經(jīng)典理論,這些理論也是在馬科維茨理論之后相當(dāng)重要的研究成果,如資本資產(chǎn)定價(jià)模型(CAPM)、有效市場(chǎng)理論等等。

人工智能技術(shù)再次進(jìn)入大眾的視野被人們所廣泛熟識(shí)是伴隨著近年來(lái)計(jì)算機(jī)設(shè)備的運(yùn)算能力的不斷增加,這使得之前的一些難以實(shí)施的算法在硬件設(shè)備上的瓶頸被打破,特別是近些年的強(qiáng)力的計(jì)算機(jī)設(shè)備使得基于大數(shù)據(jù)的深度學(xué)習(xí)與增強(qiáng)學(xué)習(xí)成為可能。人工智能技術(shù)的發(fā)展自出現(xiàn)以來(lái),并非風(fēng)平浪靜一帆風(fēng)順,在這其中也經(jīng)歷了多次的理念上的變革,算法上的創(chuàng)新以及計(jì)算機(jī)硬件的強(qiáng)大,可是說(shuō)人工智能雖歷經(jīng)起起落落,但是目前人工智能技術(shù)正處在有一次大的發(fā)展浪潮之中,正處在發(fā)展的高速車道之上,一定會(huì)成為今后社會(huì)和經(jīng)濟(jì)發(fā)展的主要變革的動(dòng)力。二、人工智能在金融領(lǐng)域的應(yīng)用

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的Cifar-10模型在裝甲目標(biāo)二分類中的應(yīng)用[J]. 謝曉竹,薛帥.  兵器裝備工程學(xué)報(bào). 2019(08)
[2]基于LSTM的股票價(jià)格預(yù)測(cè)建模與分析[J]. 彭燕,劉宇紅,張榮芬.  計(jì)算機(jī)工程與應(yīng)用. 2019(11)
[3]基于二分類logistic回歸模型探討醫(yī)院病床運(yùn)轉(zhuǎn)效率[J]. 于淼,王楠,劉利,李航,李蕊,武愛(ài)文.  中國(guó)病案. 2019(02)
[4]FF五因子模型在中國(guó)股票市場(chǎng)的改進(jìn)研究[J]. 杜威望,肖曙光.  華僑大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版). 2018(03)
[5]Fama-French五因子模型在中國(guó)股票市場(chǎng)的實(shí)證檢驗(yàn)[J]. 李志冰,楊光藝,馮永昌,景亮.  金融研究. 2017(06)
[6]中國(guó)股票市場(chǎng)流動(dòng)性與動(dòng)量效應(yīng)——基于Fama-French五因子模型的進(jìn)一步研究[J]. 宋光輝,董永琦,陳楊煬,許林.  金融經(jīng)濟(jì)學(xué)研究. 2017(01)
[7]公司盈利、投資與資產(chǎn)定價(jià):基于中國(guó)股市的實(shí)證[J]. 高春亭,周孝華.  管理工程學(xué)報(bào). 2016(04)
[8]Fama-French五因子模型比三因子模型更勝一籌嗎——來(lái)自中國(guó)A股市場(chǎng)的經(jīng)驗(yàn)證據(jù)[J]. 趙勝民,閆紅蕾,張凱.  南開(kāi)經(jīng)濟(jì)研究. 2016(02)
[9]我國(guó)股票定價(jià)五因素模型:交易量如何影響股票收益率?[J]. 田利輝,王冠英.  南開(kāi)經(jīng)濟(jì)研究. 2014(02)
[10]中國(guó)滬市資本資產(chǎn)定價(jià)模型的實(shí)證檢驗(yàn)——基于動(dòng)態(tài)分組方法[J]. 丁琳,劉文俊.  中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào). 2013(04)

碩士論文
[1]自適應(yīng)彈性網(wǎng)邏輯回歸模型的研究[D]. 連少靜.河北大學(xué) 2016
[2]基于估值與業(yè)績(jī)的選股策略有效性研究[D]. 汪洋.電子科技大學(xué) 2010



本文編號(hào)：2917231