- 1、本文档共17页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
正文目录
1 引言 4
2 研究背景 6
2.1 技术面分析6
2.2 技术因子6
2.3 构建基于因子的投资组合7
2.4 因子有效性评价指标7
3 股票嵌入特征 7
3.1 基金经理的历史投资组合8
3.2 构造二分图9
3.3 通过基金-股票二分图学习股票嵌入特征9
4 技术交易因子优化模型 10
4.1 模型设计 10
4.2 用于因子优化的缩放模型 10
4.3 滚动学习机制 11
5 实验 11
5.1 实验设置 11
5.2 实验结果 12
6 相关研究 17
7 结论 17
风险提示: 18
2 / 19
图表目录
图表1 两只特定股票的价格和30 天内乖离率因子的时间序列数据5
图表2 一套普遍的技术因子及相应的计算公式7
图表3 基金经理历史投资组合的通用数据图8
图表4 滚动学习算法 11
图表5 不同年份采用不同优化方法的因子的平均RANK IC 13
图表6 不同因子驱动的投资策略在不同年份产生的累计回报 14
图表7 在BIAS、MACD 和ROC 上获得最大和最小原始缩放权重的前5 只股票 15
图表8 经过T-SNE 降维的最大和最小缩放权重股票的EMBEDDING 16
3 / 19
pOpMrRtPpPqOrQrNwOrPsN6MaO9PoMrRoMmPlOpPtNeRoPqN8OpOqPvPrRrMxNtOpO
1 引言
技术面分析(Charles(2006),Christopher 等人(1997),Paul 等人(1997))作为量
化投资的基本方法之一,侧重于从价格和成交量的角度解释和预测股票走势。技术
面分析的核心假设在于,投资决策的所有相关信息都反映在价格和成交量的变化中。
因此,价格和成交量数据构成了足够的信息,可以为各种任务做出各种决策,包括
市场趋势预测、选股和投资组合管理。
在真正的量化投资中,技术面分析主要用于选择未来回报率较高的股票。特别
是,为了应对金融市场的噪声和波动性,已有许多成果基于价格和成交量开发技术
交易因子,用来提供可靠的交易信号(Chalothon 等人(2012) ,Abeyratna 和
David(2001),Massoud 等人(2012) ,Christopher 等人(2011)) ,这类似于机器学习
方法中的特征工程。更具体地说,通用技术交易因子通常是基于对每只股票的原始
价格和成交量数据的一致性数学变换而生成的。在现实世界中,人类专家根据他们
在金融市场的领域知识总结了各种鲁棒的技术交易因子。作为特征工程中人工生成
的特征,各种技术因子基本上代表了不同方面的价格和成交量,并从稳健和全面的
角度评估了股票的走势。例如,平滑价格序列并丢弃一些随机性的移动平均因子,
文档评论(0)