期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到89篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
随机森林在量化选股中的应用研究 被引量：37
1
作者 王淑燕 曹正凤 陈铭芷 《运筹与管理》 CSSCI CSCD 北大核心 2016年第3期163-168,177,共7页
通过分析国内外量化选股模型采用的指标体系,从焦健的六因子模型出发,使用指标相关性分析方法,提出了八因子选股模型指标体系,选用了2013年3月200只股票的样本数据,使用随机森林算法实现了对2013年4月股票涨跌情况较高精确度的预测,通... 通过分析国内外量化选股模型采用的指标体系,从焦健的六因子模型出发,使用指标相关性分析方法,提出了八因子选股模型指标体系,选用了2013年3月200只股票的样本数据,使用随机森林算法实现了对2013年4月股票涨跌情况较高精确度的预测,通过对比分析焦健的六因子模型,并分析优选后的股票在行业平均收益、最值方面的实际表现,验证了该量化选股模型在中国股票市场上有较好的性能。 展开更多
关键词 随机森林 量化投资 选股指标 价值成长投资策略
下载PDF
基于CEEMDAN-LSTM的股票市场指数预测建模研究 被引量：30
2
作者 贺毅岳 李萍 韩进博 《统计与信息论坛》 CSSCI 北大核心 2020年第6期34-45,共12页
为满足主动型量化投资对股票市场指数高精度预测的要求,将自适应噪声完备集合经验模态分解(CEEMDAN)引入到股市指数预测建模中,结合长短期记忆网络(LSTM)对复杂序列中长期依赖关系高效的建模能力,采用“分解—重组—预测—集成”思路,... 为满足主动型量化投资对股票市场指数高精度预测的要求,将自适应噪声完备集合经验模态分解(CEEMDAN)引入到股市指数预测建模中,结合长短期记忆网络(LSTM)对复杂序列中长期依赖关系高效的建模能力,采用“分解—重组—预测—集成”思路,提出一种股市指数集成预测方法CEEMDAN-LSTM。运用CEEMDAN对指数进行分解与重构,获得其高、低频分量及趋势项;分别构建各分量的LSTM预测模型并优化高频子序列IMF重组方式,进而通过加和集成各分量预测值获得指数的整体预测值。以沪深300等5个代表性的股市指数为测试数据,对CEEMDAN-LSTM与主流的金融时序机器学习建模方法的预测效果进行系统的对比实验,结果表明:CEEMDAN-LSTM的预测表现一致性地优于现有建模方法,具有更低的预测误差和滞后性。 展开更多
关键词 量化投资 股市指数 预测建模 自适应噪声完备集合经验模态分解 长短期记忆网络
下载PDF
多因子量化模型在投资组合中的应用——基于LASSO与Elastic Net的比较研究 被引量：19
3
作者 谢合亮 胡迪 《统计与信息论坛》 CSSCI 北大核心 2017年第10期36-42,共7页
多因子模型一直是量化投资领域的重要方法,而如何选择有效因子并确定因子权重从而构建有效的投资组合是研究者重点讨论的议题。在研究打分法和普通最小二乘法确定因子权重的基础上,引入LASSO和弹性网(Elastic Net)两类前沿方法进行因子... 多因子模型一直是量化投资领域的重要方法,而如何选择有效因子并确定因子权重从而构建有效的投资组合是研究者重点讨论的议题。在研究打分法和普通最小二乘法确定因子权重的基础上,引入LASSO和弹性网(Elastic Net)两类前沿方法进行因子筛选并确定因子权重,利用沪深300指数成份股进行回测,研究结果表明,Elastic Net方法比OLS和LASSO方法更能够筛选出有效因子,并构建出有效的投资组合,从而帮助投资者获得更高的超额收益。该模型对量化投资策略的设计具有重要的实际意义。 展开更多
关键词 LASSO 弹性网 量化投资 多因子策略
下载PDF
基于多因子模型的量化选股分析 被引量：16
4
作者 徐景昭 《金融理论探索》 2017年第3期30-38,共9页
基于量化投资中常用的多因子模型,对使用较为广泛的11个因子利用回归法进行有效性检验,选出有效因子分别构造了适合一般投资者使用的基本多因子模型、基于货币周期的行业轮动多因子模型以及基于固定效应下的多元回归模型。通过实证分析... 基于量化投资中常用的多因子模型,对使用较为广泛的11个因子利用回归法进行有效性检验,选出有效因子分别构造了适合一般投资者使用的基本多因子模型、基于货币周期的行业轮动多因子模型以及基于固定效应下的多元回归模型。通过实证分析比较不同模型间所构建的投资组合的收益率与市场收益率,验证了量化选股策略的有效性,也为不同层次的投资者提供了研究数据与选股策略。 展开更多
关键词 量化投资 多因子模型 行业轮动效应 多元回归分析
下载PDF
我国资本市场程序化交易的风险控制策略 被引量：15
5
作者 叶伟 《证券市场导报》 CSSCI 北大核心 2014年第8期46-52,共7页
光大证券"816乌龙指事件"引发我国股票市场巨幅波动,将其自营部门使用的量化投资与程序化交易技术暴露在普通股民的视野之中。对程序化交易这种新兴的交易方式,究竟是杀鸡儆猴限制其发展还是加强监管避免系统性风险,成为监管... 光大证券"816乌龙指事件"引发我国股票市场巨幅波动,将其自营部门使用的量化投资与程序化交易技术暴露在普通股民的视野之中。对程序化交易这种新兴的交易方式,究竟是杀鸡儆猴限制其发展还是加强监管避免系统性风险,成为监管层的一个现实问题。本文提出了基于风险控制的程序化交易的概念,并分为全新的五种类型。基于对国内的程序化交易现状进行了深入调研的基础上,本文详细地分析了七种风险隐患和可能产生的四种后果。本文建议建立多级风险控制体系,由交易所和会员相互协作,建立"事前报备、事中监控、事后熔断"机制,应对程序化交易给市场带来的冲击。同时,修改《证券法》和《期货管理条例》,对程序化异常交易中被交易所熔断技术中止的交易明确处置原则。 展开更多
关键词 程序化交易 量化投资 风险控制 熔断技术
下载PDF
基于自注意力神经网络的多因子量化选股问题研究 被引量：14
6
作者 张虎 沈寒蕾 刘晔诚 《数理统计与管理》 CSSCI 北大核心 2020年第3期556-570,共15页
大数据时代,深度学习算法的不断完善丰富了量化投资领域的分析方法,在众多量化投资策略中,多因子选股策略因其稳定的收益而备受投资者青睐。本文借助Tushare Pro金融大数据平台和聚宽量化交易平台,选取2009年10月至2019年3月沪深300各... 大数据时代,深度学习算法的不断完善丰富了量化投资领域的分析方法,在众多量化投资策略中,多因子选股策略因其稳定的收益而备受投资者青睐。本文借助Tushare Pro金融大数据平台和聚宽量化交易平台,选取2009年10月至2019年3月沪深300各成分股日度数据作为研究对象,全面选取行情类、财务类、技术类和投资者情绪类四个类别共117个因子构建初始因子池,利用集成思想综合计算Pearson相关系数、距离相关系数、基于AIC准则的Elastic Net、基于BIC准则的Elastic Net、随机森林和GBDT共六个模型对于各个因子的重要性进行评分,筛选出68个因子;运用自注意力神经网络模型,通过过去60个交易日的因子数据,预测各成分股未来一个月的价格变动趋势,按上涨概率大小选取出前50只股票按等权重的资金分配方式构建投资组合,以月为周期进行投资组合的更新。实证结果表明,该投资策略相比于沪深300指数具有更高的收益和较低的风险。 展开更多
关键词 多因子选股 量化投资 集成学习 自注意力神经网络
原文传递
量化投资创新性实验教学探索 被引量：12
7
作者 高祥宝 《实验室研究与探索》 CAS 北大核心 2016年第8期281-284,共4页
研究目的是找到专业硕士课程"量化投资"创新性实验教学解决方案。阐明了研究生专业硕士课程"量化投资"实验教学的重要意义,探讨了针对"量化投资"侧重不同量化投资研究方法的实验教学平台软件的选择,提出... 研究目的是找到专业硕士课程"量化投资"创新性实验教学解决方案。阐明了研究生专业硕士课程"量化投资"实验教学的重要意义,探讨了针对"量化投资"侧重不同量化投资研究方法的实验教学平台软件的选择,提出了以万得资讯、SPSS及文华赢智程序化交易软件作为侧重统计分析方法、培养统计专业硕士的量化投资实验教学平台软件的方案,探讨了"量化投资"创新性、设计性实验项目设置,包括量化选股、量化择时、配对交易、程序化交易方面7例创新性实验项目设置,实验教学过程设计以及实验教学的评价方法,并以北京工商大学应用统计专业硕士研究生"量化投资"课程为实际案例加以阐述。 展开更多
关键词 量化投资 创新性实验 教学设计
下载PDF
基于沪深300成分股的量化投资策略研究 被引量：12
8
作者 吕凯晨 闫宏飞 陈翀 《广西师范大学学报（自然科学版）》 CAS 北大核心 2019年第1期1-12,共12页
本文以沪深300指数成分股为股票池,构建出一个能持续战胜市场的量化选股模型。第一步先从基本面入手,通过多因子打分模型筛选出50只长期优势股,对应的上市公司经营状况良好,具有一定投资价值,但短期内可能受市场震荡影响,未必在一周之... 本文以沪深300指数成分股为股票池,构建出一个能持续战胜市场的量化选股模型。第一步先从基本面入手,通过多因子打分模型筛选出50只长期优势股,对应的上市公司经营状况良好,具有一定投资价值,但短期内可能受市场震荡影响,未必在一周之内有上涨表现。在第二步引入支持向量分类算法对长期优势股展开技术分析,从中选出本周上涨概率最大的10只优势精选股买入。该模型在2015—2017年累计收益率达73.03%,年化收益率为20.05%,夏普比率为0.54,远超同期沪深300指数的业绩表现。 展开更多
关键词 量化投资 多因子模型 支持向量机 股票 沪深300
下载PDF
算法交易的兴起及最新研究进展 被引量：10
9
作者 陈梦根 《证券市场导报》 CSSCI 北大核心 2013年第9期11-17,共7页
算法交易是一种全新的交易方式,备受机构投资者青睐,市场份额迅速上升。算法交易的快速发展对资本市场总体效率和微观结构影响深远,资产定价、组合投资和风险测度可能因此发生革命性变革。本文介绍算法交易在国际资本市场中的发展历程... 算法交易是一种全新的交易方式,备受机构投资者青睐,市场份额迅速上升。算法交易的快速发展对资本市场总体效率和微观结构影响深远,资产定价、组合投资和风险测度可能因此发生革命性变革。本文介绍算法交易在国际资本市场中的发展历程与现状,系统总结、归纳和评述了有关算法交易的最新研究进展,并探讨了算法交易在中国的应用和发展前景,以及未来的研究方向。 展开更多
关键词 算法交易 高频交易 程序化交易 量化投资
下载PDF
GA优化的SVM在量化择时中的应用 被引量：9
10
作者 黄宏运 吴礼斌 李诗争 《南京师范大学学报（工程技术版）》 CAS 2017年第1期72-79,共8页
针对量化投资过程中因交易信号判断不准确而导致的择时难问题,利用具有优良非线性可分能力的支持向量机建立基于历史价量信息(开盘价、收盘价、最高价、最低价、成交量和短长期移动平均指数)的量化择时模型.在策略模型的具体应用中,为... 针对量化投资过程中因交易信号判断不准确而导致的择时难问题,利用具有优良非线性可分能力的支持向量机建立基于历史价量信息(开盘价、收盘价、最高价、最低价、成交量和短长期移动平均指数)的量化择时模型.在策略模型的具体应用中,为了确定LIBSVM Tool Box中的"-c"和"-g"参数,本文首先通过遗传算法对其寻优,然后利用MATLAB软件实现了对个股(浦发银行)自2012年1月4日至2016年6月22日的策略回测,最后以沪深300指数为基准从年化收益率、相关绩效指标和最大回撤等角度对回测结果进行了分析,得出GA-SVM可被有效运用到量化择时中去的结论. 展开更多
关键词 遗传算法 支持向量机 量化投资 择时 LIBSVM工具箱
下载PDF
基于深度学习算法的高频交易策略及其盈利能力 被引量：9
11
作者 孙达昌 毕秀春 《中国科学技术大学学报》 CAS CSCD 北大核心 2018年第11期923-932,共10页
深度学习算法作为机器学习中的一种重要算法,在图像处理、语音识别、机器翻译等领域已成功应用.将深度学习算法应用于高频交易中,选取卷积神经网络和LSTM神经网络分别构建涨跌分类模型,在此基础上提出高频交易策略,并以沥青期货主力合... 深度学习算法作为机器学习中的一种重要算法,在图像处理、语音识别、机器翻译等领域已成功应用.将深度学习算法应用于高频交易中,选取卷积神经网络和LSTM神经网络分别构建涨跌分类模型,在此基础上提出高频交易策略,并以沥青期货主力合约为例进行回测检验,实证分析策略优良性.通过与人工神经网络高频交易策略的比较,回测检验结果表明基于卷积神经网络和LSTM神经网络的高频交易策略的盈利能力较强,泛化能力较好,两种策略的胜率和期望收益虽有所差异,但均比人工神经网络高频交易策略高. 展开更多
关键词 深度学习 卷积神经网络 LSTM神经网络 量化投资 高频交易
下载PDF
中美股市配对因子实证分析 被引量：8
12
作者 周志中 徐杰 《系统管理学报》 CSSCI CSCD 北大核心 2020年第3期417-424,共8页
配对交易是基于统计套利,利用两个资产的短暂价格偏离,进行风险对冲以获取两个资产的Alpha收益,其核心假设是配对资产的价差具有均值回复性。多因子选股则将多个具有逻辑背景的因子策略相结合,选取在各个因子上综合得分较高的股票构建... 配对交易是基于统计套利,利用两个资产的短暂价格偏离,进行风险对冲以获取两个资产的Alpha收益,其核心假设是配对资产的价差具有均值回复性。多因子选股则将多个具有逻辑背景的因子策略相结合,选取在各个因子上综合得分较高的股票构建投资组合,其核心是如何挖掘具有逻辑背景的因子。由于中美经济关联度很大,两国股市间存在着联动性。根据配对交易的思想构建美股-A股配对因子,利用该因子对A股进行选股,通过实证分析,发现配对因子对A股股票有较好的区分度,且与传统的选股因子存在较低的相关性。因此,根据配对交易思想构建的美股-A股配对因子可用于多因子模型进行选股。贡献在于提出了以往研究未提出的因子,通过实证研究证明了该因子的有效性。 展开更多
关键词 量化投资 配对交易 算法交易 中美金融市场联动
下载PDF
基于创新创业的金融类实验教学体系建设研究 被引量：7
13
作者 詹蓉 张克中 陈平路 《实验科学与技术》 2019年第4期119-124,共6页
分析了传统金融实验教学体系的现状和不足,提出基于创新创业的金融类实验教学体系的要点,包括改变金融人才培养理念、人才培养模式、教学方法和手段等。通过分析基于创新创业的金融类实验教学体系的要求,重点阐述了互联网金融、量化投... 分析了传统金融实验教学体系的现状和不足,提出基于创新创业的金融类实验教学体系的要点,包括改变金融人才培养理念、人才培养模式、教学方法和手段等。通过分析基于创新创业的金融类实验教学体系的要求,重点阐述了互联网金融、量化投资的实验教学内容,创业实践型金融实验的形式及内容,规划了基于创新创业的金融类实验教学体系。 展开更多
关键词 创新创业 金融 实验教学体系 互联网金融 量化投资 创业实践型金融实验
下载PDF
基于新闻情绪的机器学习交易策略 被引量：7
14
作者 林建浩 张一帆 +1 位作者 陈良源 邓益萌 《计量经济学报》 2022年第4期881-908,共28页
本文借助机器学习方法基于海量的媒体报道构造股票量化投资策略.首先通过迭代估计改进基于筛选和主题建模的文本情绪提取方法,并通过蒙特卡罗模拟验证其在情绪提取准确度上的优势;其次将其应用于2013-2020年间的沪深300指数成分股的超过... 本文借助机器学习方法基于海量的媒体报道构造股票量化投资策略.首先通过迭代估计改进基于筛选和主题建模的文本情绪提取方法,并通过蒙特卡罗模拟验证其在情绪提取准确度上的优势;其次将其应用于2013-2020年间的沪深300指数成分股的超过100万篇新闻,并构造股票投资策略.研究结果表明:基于新闻情绪构造的交易策略在扣除交易费用后的年化收益率远超过同期市场指数收益;在保证高时效性训练集的基础上,迭代估计可以提高策略收益,且这种提升在市场剧烈波动时期更为明显;即使面对突发事件,本文策略仍可以通过提高模型更新频率以获得可观收益.拓展分析发现,策略溢价是由新闻情绪的股票收益预测能力、不同资产的信息吸收速度差异所带来的.本文策略在小市值、低换手率和低Beta的股票中表现更好,正是由于这部分股票的新闻吸收速度较慢,为基于新闻情绪的机器学习交易策略提供了套利空间. 展开更多
关键词 文本分析 机器学习 量化投资 新闻情绪
原文传递
我国量化(对冲)基金业绩表现的比较分析 被引量：7
15
作者 许红伟 吴冲锋 张翔 《投资研究》 北大核心 2013年第2期72-87,共16页
本文从业绩评价和业绩归因两方面,实证研究了我国量化(对冲)基金在发展初期的表现,发现在2010年5月～2012年3月期间:(1)量化对冲产品在收益和风险方面总体优于传统的公募基金、私募基金和券商集合理财产品;(2)券商量化和私募量化业绩表... 本文从业绩评价和业绩归因两方面,实证研究了我国量化(对冲)基金在发展初期的表现,发现在2010年5月～2012年3月期间:(1)量化对冲产品在收益和风险方面总体优于传统的公募基金、私募基金和券商集合理财产品;(2)券商量化和私募量化业绩表现要优于公募基金量化,具有海外量化背景的基金经理比其他基金经理所管理的产品业绩表现相对较好,市场中性策略和全球宏观策略的业绩表现要优于股票多空策略;(3)量化对冲产品与传统产品相比,同样不具备明显的选股能力和择时能力,但是,不同分类量化对冲产品之间的选股和择时能力存在着一定的差异。 展开更多
关键词 对冲基金 量化投资 业绩评价 业绩归因
原文传递
金融学专业《量化投资》课程建设思考 被引量：7
16
作者 杜红军 《教育教学论坛》 2017年第49期69-72,共4页
量化投资已成为全球金融机构的主流投资手段与方法之一,但在我国起步比较晚,急需培养高质量的量化投资人才。而国内高校对量化投资课程的建设重视不够,也没有形成较规范的专业课程体系。本文在总结目前我国高校量化投资课程体系中存在... 量化投资已成为全球金融机构的主流投资手段与方法之一,但在我国起步比较晚,急需培养高质量的量化投资人才。而国内高校对量化投资课程的建设重视不够,也没有形成较规范的专业课程体系。本文在总结目前我国高校量化投资课程体系中存在的主要问题的基础上,分析给出改进量化投资课程建设及教学质量的对策建议。 展开更多
关键词 金融学专业 量化投资 实验教学 课程建设
下载PDF
基于机器学习和资产特征的投资组合选择研究 被引量：3
17
作者 李斌 屠雪永 《系统工程理论与实践》 EI CSSCI CSCD 北大核心 2024年第1期338-355,共18页
随着可投资资产与资产信息的爆炸式增长,投资组合选择研究面临资产和特征双重高维挑战.为此,本文提出一个基于机器学习和资产特征的投资组合选择框架,该框架借助机器学习技术的天然优势,运用高维特征直接预测投资组合权重,避开了常规的... 随着可投资资产与资产信息的爆炸式增长,投资组合选择研究面临资产和特征双重高维挑战.为此,本文提出一个基于机器学习和资产特征的投资组合选择框架,该框架借助机器学习技术的天然优势,运用高维特征直接预测投资组合权重,避开了常规的两步投资组合管理范式中的收益预测过程,并用于中国股票市场的资产配置研究.结果显示:1)基于此框架提出的投资策略能够捕捉高维特征中的增量信息,并挖掘资产特征与投资权重之间线性与非线性关系,大幅提升了投资绩效;2)交易摩擦类特征是投资权重预测中最为重要的资产特征;3)策略在套利限制较为严重的股票上回报更高,而对宏观经济状态变化的敏感性较低;在其他经济约束下,策略表现依然稳健.本文拓展了现代投资组合理论的研究框架,促进了人工智能与量化投资领域的交叉融合发展. 展开更多
关键词 投资组合选择 人工智能 资产特征 大维资产配置 量化投资
原文传递
AI大模型赋能金融市场量化投资?基于另类数据与传统金融数据的研究 被引量：2
18
作者 何勇 焦丽 +1 位作者 杨艺 祝怡菲 《计量经济学报》 CSSCI CSCD 2024年第3期761-783,共23页
当前,以ChatGPT(chat generative pre-trained transformer)为代表的大语言模型迅速发展,被广泛用于股市投资算法交易、风险管理等多个领域.这为金融投资者提供了新的决策工具和投资途径.本文基于BERT(bidirectional encoder representa... 当前,以ChatGPT(chat generative pre-trained transformer)为代表的大语言模型迅速发展,被广泛用于股市投资算法交易、风险管理等多个领域.这为金融投资者提供了新的决策工具和投资途径.本文基于BERT(bidirectional encoder representation from transformers)模型和ChatGPT构建了适用于中国股票市场的投资交易模型,实现从财经新闻文本数据以及传统金融数据中获取交易信号.对于文本数据,首先抓取每日的财经新闻将其与对应的股票代码相匹配.其次将新闻文本数据输入至训练好的FTBERT(fine-tuning BERT)模型中,得到每条新闻的情感倾向,选择积极情感的财经新闻作为正的投资交易信号.对于传统金融数据,借助ChatGPT的高级解析能力,对中国股票市场的历史数据进行深入分析.通过调整prompt读取数据,从而构造出用于股票投资的关键因子,输出每日各股票的得分.最终根据不同数据类型得到每日各股票的投资交易信号,并将其作为构建投资组合的依据,构建有效的投资策略.实证结果表明,ChatGPT能有效判断文本情感倾向,且经过微调后的大语言模型能有效助力量化投资,为投资者带来超额收益.本研究尝试将大语言模型运用于金融投资领域,展现了其在生成股票投资信号方面的潜在价值.随着技术的不断发展和市场环境的变化,这种基于人工智能的投资策略将不断演进,为投资者创造更多价值. 展开更多
关键词 中国股票市场 财经新闻分析 大语言模型 量化投资
原文传递
非参数可加协整模型下的配对交易 被引量：6
19
作者 董朝华 赵哲伟 《系统工程理论与实践》 EI CSSCI CSCD 北大核心 2022年第6期1694-1720,共27页
金融时间序列往往是非平稳的,在使用配对交易策略时协整方程更能描述其本质特性.本文对比使用了参数线性协整模型和非参数可加协整模型,对2015-2019年沪深300成份股的配对交易表现进行研究.以一年时间作为配对期,在此期间内选择配对交... 金融时间序列往往是非平稳的,在使用配对交易策略时协整方程更能描述其本质特性.本文对比使用了参数线性协整模型和非参数可加协整模型,对2015-2019年沪深300成份股的配对交易表现进行研究.以一年时间作为配对期,在此期间内选择配对交易的股票和模型拟合;以之后每半年的时间作为一个测试期,用于配对交易并进行收益核算.结果显示在3‰的佣金水平下,非参数可加协整模型下的配对交易可以取得正向收益,但传统线性参数协整方法收益为负.当降低拥金水平,非参数方法收益迅速增加,参数协整方法收益则增长缓慢;在不同交易触发阈值下,非参数方法的交易频率,累积交易时间都高于参数协整方法;交易比例对参数协整模型的影响大于非参数模型.使用更精细的模型,通过技术分析手段能够获得超额收益,说明中国股市尚且不是一个弱有效市场. 展开更多
关键词 非参数模型 协整 配对交易 统计套利 量化投资
原文传递
基于LSTM的多指标股票预测 被引量：1
20
作者 齐太威 于文年 《计算机与数字工程》 2024年第2期337-342,共6页
该研究通过处理平安银行股票数据生成十个比较有代表性的技术分析指标,将技术指标的值经过预处理后分别作为基于机器学习的多元线性回归、BP神经网络和LSTM神经网络三种模型的输入,通过模型训练来预测股票的涨跌,然后比较三种模型在预... 该研究通过处理平安银行股票数据生成十个比较有代表性的技术分析指标,将技术指标的值经过预处理后分别作为基于机器学习的多元线性回归、BP神经网络和LSTM神经网络三种模型的输入,通过模型训练来预测股票的涨跌,然后比较三种模型在预测准确率以及回测中年化收益率的表现,证实LSTM神经网络模型对于非线性的股票走势预测效果最好。然后设计改进了一种基于LSTM模式分类的交易择时策略,获得了更高的年化收益率,并且这种策略可行性更高,最后说明利用LSTM模型进行量化交易是可行的。 展开更多
关键词 多元线性回归 BP神经网络 长短期记忆网络 行为金融学 量化投资
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
使用帮助 返回顶部