基于小波GARCH模型的协整策略交易信号指标体系优化

基于固定阈值构建的协整策略交易信号指标体系极易过早触发建仓交易,导致协整策略在价差波动峰值处平仓止损,不适用于波动集聚时间序列。本文基于状态空间模型,构建时变系数协整统计套利策略,采用五大国有银行A股收盘价时间序列数据进行实证分析,利用GARCH模型提取价差序列波动集聚信息,应用小波降噪技术优化时变交易信号指标体系。小波降噪GARCH时变阈值协整策略在2018年1—6月动荡期行情的夏普比率高达2.284,较同期未降噪时变阈值协整策略提高18.4%,较同期固定阈值协整策略提高109.5%;三组策略在2018年7—12月的平稳期行情中表现惨淡,夏普比率均低于-2,且降噪后夏普比率略低于未降噪策略。实证结果表明：在行情动荡期,基于GARCH模型构建的时变交易阈值可有效捕捉波动集聚信息,提高发生跳跃价差时模型建仓点位精准度,经小波降噪优化可降低因噪声信号错误触发交易的可能,显著提升行情策略夏普比率。在行情平稳期,小波降噪时变阈值协整策略与未降噪、定阈值协整策略表现低迷,均不适用于价差波动较小的平稳期行情。     

融资融券背景下证券配对交易策略研究——基于协整和距离的两阶段方法

国内融资融券政策的正式启动,为证券配对交易实施提供了必要的市场环境,使其成为一种新兴有效的投资手段。基于协整配对法和距离配对法,本文构建了一种新的两阶段配对交易策略。在股票配对选择方面,首先采用协整分析选出具有相似股价走势的候选股票对;其次,采用欧式距离计算各候选配对股票距离,以距离最小为依据选择最佳股票配对,以避免同一股票同时被买入和卖空的风险。在资金分配方面,考虑当前融资融券交易制度背景,求解资金有限约束下的最优资金分配方案,以保证模型设计更为接近实际交易情况。以上证50指数成分股为实证对象,实证研究结果表明不同费率情景下,构建的新两阶段方法均能获得超额收益,且其效果明显优于仅考虑协整关系的配对交易策略;同时,敏感性分析验证了新方法的稳定性。     

基于EGARCH模型的股指期货跨期套利交易策略研究

本文利用沪深300股指期货合约IF1312与IF1401的5分钟收盘数据建立跨期套利模型,在协整理论的基础上,检验得出残差序列存在ARCH效应,并用EGARCH模型对回归方程进行改进,改进后的模型能更好的实施套利交易策略。通过样本内外数据的交易结果表明,沪深300股指期货合约存在日内跨期套利机会,在风险和成本可控下,能获得较高的收益。     

基于深度强化学习的自适应股指预测研究

基于股指成分股基本面和技术面数据构建了时序股票关联网络，然后利用深度图神经网络学习股票关联网络层次化表征，以端到端的方式获得候选预测信号.在此基础上，提出了一种考虑动作评估反馈的深度强化学习方法(Action Evaluation Feedback based Deep Q-Learning, AEF-DQN),旨在将不同的候选预测信号融入智能体的动作空间，并基于股票关联网络层次化表征、股票市场整体运行状态和历史动作评估反馈学习环境状态；借鉴前景理论中的参照依赖特性估计奖励值函数，从而建立状态、动作与奖励值之间的映射关系.最后，采用沪深300指数、标普500指数、英国富时100指数和日经225指数的成分股历史数据，构造了股指期货交易模拟器，在投资胜率、最大回撤率、阿尔法比率和夏普比率4个回测指标上对股指预测模型展开实证分析.研究结果表明：1)通过层次化聚合股票关联网络的节点属性信息可以动态捕捉不同行业对股指价格波动的影响，进而可提升预测方法的准确率；2)考虑动作评估反馈的深度强化学习结构可智能化选择适用于当前股票市场环境的最优模型结构，进而可提升预测方法的鲁棒性.     

基于O-U过程的配对交易与市场效率研究

套利交易是一种重要的量化交易策略,本文首先提出了基于O-U过程的配对套利策略,实证检验了基于O-U过程的套利策略和基于协整理论的传统套利策略,研究结果表明O-U过程套利策略与传统协整套利策略相比具有成本低、收益高和风险小等优点。另外,本文从价格对信息的灵敏度、价格均衡的内在机制、市场风险和交易成本四个方面,发现O-U过程套利策略更能促使股价快速回归均衡水平,更显著地提高证券市场的运行效率。     

基于强化学习PPO算法的上市公司投资组合管理

传统的投资组合管理方法往往依赖于经验规则或数学模型,难以充分利用市场信息和动态调整投资策略。为了解决这一问题,文章提出一种基于强化学习PPO(Proximal Policy Optimization)算法的新方法。使用上市公司的历史数据进行训练和测试,与传统投资策略和其他强化学习算法进行比较,实验结果表明,基于强化学习PPO算法的投资组合管理方法在投资回报率和风险控制方面取得了显著的改进。     

国债期货跨期套利量化模型设计——基于我国国债期货实际交易数据的实证检验

国债期货属于利率期货,海外市场若干年的实践表明,国债期货是一种操作简单、应用成熟的利率风险管理工具,它的套保、套利和价格发现功能也早已得到国际金融市场的实践和认可。中金所发布的《套期保值与套利交易管理办法》将套利交易引入市场,为机构投资者大规模入场进行套利交易扫清制度上障碍的法规。2012年2月13日,中金所开始了国债期货仿真交易联网测试;2012年4月23日,国债期货开始仿真交易,2013年9月6日正式推出了国债期货交易。因此,研究我国国债期货的套利交易策略非常有意义,可为机构投资者如券商、私募丰富投资策略,获取更多投资收益提供参考。本文基于我国国债期货正式交易的实证数据,利用统计套利的方法,进行我国国债期货跨期交易策略的实证研究。     

基于PI的企业动态库存补货模型与算法

PI(physical internet)环境下的物流网络具有互联、开放和共享的特点,缺货的PI-枢纽或零售商可根据货源选择策略动态选择为其补货的供应商或PI-枢纽。为解决PI环境下库存补货问题,提出了IB-EB(installation-echelon)混合补货策略。以最小化库存补货成本为目标,补货量和再订购点为决策变量,构建了PI环境下的动态库存补货模型。针对该混合整数非线性规划模型,应用粒子群优化算法求解出多个补货预案,再将其带入仿真环境循环优化求解。最后,以中国航空器材进出口公司为例,验证了模型可解性及算法的可行性。结果表明PI环境下货源策略的选择对库存补货成本和补货策略具有十分重要的影响,为企业在不同补货条件下选择货源提供了参考依据。     

基于市场冲击成本与机会成本的算法交易策略

提出了一种估计交易策略机会成本的方法,分析了同时考虑市场冲击成本和机会成本的投资者,在总交易成本最小的目标下制定最优交易策略的问题。研究结果表明,如果投资者只考虑冲击成本,或者虽然同时考虑机会成本但若所有交易时期指令的成交概率都相等,那么投资者最优的算法交易策略仍然是采用著名的交易量加权平均价格(VWAP)交易策略;对于所有交易时期指令的成交概率不一致但交易者能预先预期总的可执行指令大小的特殊情况,得到了此问题的解析解;对于各交易时期指令成交概率并非都相等的一般情形,通过数值示例发现,对于不同交易时期指令的成交概率分别为递增、递减和U型3种不同情形,投资者同时关注市场冲击成本和机会成本时指令提交策略(MIOC)的总交易成本均小于VWAP交易策略。     

基于深度强化学习的城市公共交通票价优化模型

本文针对出行需求演化复杂性,首先将票价的优化过程视为智能体在复杂环境中经过不断探索获得最优价格的学习过程;其次引入深度强化学习算法,采用价值函数神经网络拟合出行需求(环境)对票价制定(动作)的反应函数,在不同运输方式间的博弈过程中通过对票价调节动作的奖惩训练其达到决策目标;然后在群体出行决策复杂性刻画方面,基于Logit模型、累积前景理论及Bush Mosteller模型,设计了3种由简单到复杂的出行需求演化场景;最后以现实场景下地铁和公交之间的票价博弈为例,通过数值模拟考察方法的有效性。研究发现：(1)深度强化学习算法在感知出行需求演化复杂性过程中具有良好的票价弹性刻画能力;(2)深度强化学习算法能够针对复杂出行需求给出合理稳定的价格方案,优化地铁(公交)票价后,使不同出行需求模型下地铁(公交)的利润及各出行方式的总体利润均得到显著增长。     

基于遗传技术辅助设计的神经网络期货市场预测

本文在对期货市场的历史数据进行预分析的基础上,建立了神经网络期货市场预测模型．文中不仅对神经网络进行了改进研究,还利用遗传技术优化网络的结构和参数．运运实例对模型进行学习与测试的实验结果表明,利用遗传技术辅助设计的神经网络预测模型能较准确地预报期货价格的波动趋势.     

基于混合估计与预测方法的股市交易量预报

本文通过将目标状态的小波变换系数向量描述为卡尔曼滤波方法的状态变量,进而将卡尔曼滤波和小波分析相结合,提出了既具有实时性和递归性又具有多尺度分析能力的小波-卡尔曼滤波混合估计与预测方法(wavelet-Kalman filtering hybrid estimating and forecasting algorithm,WKHEFA).运用此方法,本文较好地预测了上证指数的交易量.     

基于机器学习的企业定价算法研究

本文根据经济微观仿真模型ASPEN的定价机理,提出了一种自动学习算法.该算法借鉴分类器系统中的规则及消息系统和信任分配系统,模拟了企业通过渐进学习得到最大利润下的价格的过程.文中以一个简单经济模型中的两个企业代理人的价值竞争为例,将算法的定价与理论计算法的结果进行了比较,比较结果表明该算法很好地实现了企业定价的自动学习.     

基于EPC模型的学习领域课程方案设计

学习领域的课程应该在真实工作的基础上生成.如何从"企业业务流程"中提炼"教学任务(又称学习任务)"是必须解决的首要问题.本文根据德国汉堡大学泰费德(Tenfelde)教授所讲授的学习领域构造过程与利用"事件驱动过程链(EPC)"这一建模工具提炼教学任务,再采用德国罗斯托克(Rostock)大学技术教育研究所艾克尔(Eicker)教授的"教学设计七步法"进行课程方案设计,从而达到培养学生具有解决实际问题的综合能力的职业教育的最终目标.     

基于三方博弈模型的网络交易平台收费机制研究

网络交易平台因向消费者提供商品信息而发展壮大,但学界对其收费机制仍缺乏系统认识。本文通过建立三方博弈模型,分析了网络交易平台、厂商与消费者的市场作用与相互关系。结果表明,因为消费者处理信息的能力有限,所以由网络交易平台为其加工信息并获得盈利。其中,将优先展示席位拍卖给厂商是实现盈利的重要形式,因为展示席位的收费与消费者自行获得商品信息的成本有关,所以网购市场上服装类商品逐渐代替图书类商品。另外,随着消费者愿意网购更昂贵的商品,交易平台与厂商的合作趋于稳定,获得信息成本较高的商品被挤出市场,因此消费者网购中品牌商品逐渐代替个人出售的非品牌商品。     

基于量子二项式模型的实物期权估值算法

研究分析二项式期权定价模型,发现陈泽乾的量子模型新公式与经典CRR公式是互补存在的,有着各自不同的适用范围;进而提出基于量子二项式模型的实物期权估值算法,该算法有机地结合了量子模型新公式和经典CRR公式;最后给出了一个数值示例。     

基于遗传算法的CVaR模型

条件风险值模型在金融和管理科学中有着广泛的应用.已有的CVaR模型通常是一个线性规划模型,其中每个阶段的损失函数常用线性函数近似,然而,在一些实际问题中,这些函数通常是非线性函数,用非线性函数近似会更加符合实际规律.本文通过引入非线性损失函数值,将原有模型转化为一个非线性规划模型,并通过一种改进的遗传算法求出新的CVaR模型的近似最优解.结合实例说明该方法能够同时降低cvaR和VaR两个重要风险度量指标.     

基于指令执行延迟的最优交易策略

已有关于最优交易策略的研究尚未注意指令执行延迟的影响。本文主要研究了面对指令执行延迟约束的机构投资者对大额买卖指令进行拆分时所采取的最优策略及其数学性质,并对影响交易策略的各参数敏感性进行分析。研究表明,指令执行延迟导致机构的交易策略向后倾斜,而非均匀的拆分策略,且市场流动性和深度、拆分程度、风险厌恶程度、“价格误估”程度均影响执行延迟所导致的流动性成本。     

基于最小最大后悔值的应急救灾网络构建鲁棒优化模型与算法

应急救灾过程分为两个阶段：第一阶段启动应急救灾网络构建,在灾区附近设立临时应急配送中心,并由应急资源供应方向其紧急调配应急资源;第二阶段将应急资源从临时应急配送中心向灾区受灾点进行调度,以保证救灾过程顺利进行。本文研究第一阶段应急救灾网络的构建问题,考虑到突发灾害初期灾情相关参数概率分布情况难以获取,建立了基于情景的最小最大后悔值准则的应急救灾网络构建鲁棒优化模型。求解模型时,利用有限情景集表示第二阶段的不确定性数据,并将模型化为与其等价的混合整数规划模型,利用情景松弛的迭代算法进行求解。数值试验中给出相应的绝对鲁棒模型与本文偏差鲁棒模型作了比较,结果表明基于最小最大后悔值准则的应急救灾网络优化模型具有良好的鲁棒性,而且算法也是有效的。