检索结果-南通市图书馆

检索条件"主题词=动量效应与反转效应"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

信息冲击、交易量波动与A股动量与反转效应——基于改进的DHS模型

信息冲击、交易量波动与A股动量与反转效应——基于改进的DHS模型

引用

作者：李大任上海外国语大学

学位级别：硕士

动量效应与反转效应自从在1993年被发现以来,一直受到广泛的关注和研究,其在资产所处的不同时期、不同资产定义、时序还是截面等细分方向上的研究愈加丰富。对这两种效应的解释,也从最开始的Fama-French模型逐渐延伸到行为金融理论模型... 详细信息

动量效应与反转效应自从在1993年被发现以来,一直受到广泛的关注和研究,其在资产所处的不同时期、不同资产定义、时序还是截面等细分方向上的研究愈加丰富。对这两种效应的解释,也从最开始的Fama-French模型逐渐延伸到行为金融理论模型,同时,也不断有学者发现某些特质会对动量效应与反转效应产生影响,并试图结合行为金融理论对其进行解释。注意到影响动量效应特质中的重要一条是消息或信息冲击,而根据经典信息理论,可以用交易量来度量信息冲击。因此,本文选择从交易量波动、信息冲击、动量三者之间联系的角度展开实证研究。本文首先对HS和DHS模型展开了详细的探讨,并在一定程度上创新、拓展了经典DHS理论的内容,使其解释更加详尽,内涵更加丰富。接着,本文根据拓展的DHS模型和信息理论进行实证研究设计,使用中性化的可比交易量的变异系数指标作为信息冲击的代理变量,考察在不同信息冲击条件下,是否存在动量效应或者反转效应,以及其将会出现何种的特征。本文选取2016年1月至2022年1月的A股全部沪深两市股票日度数据为样本,以月度为调仓频率展开中期层面的研究,使用通过对中性化的交易量波动率先进行分组排序再对收益率进行分组排序的两步分组排序法构建投资组合,采用重叠抽样法进行滚动重叠抽样配合Newey-West的HAC调整方法进行t检验得出实证结果。实证结果显示,其一,近年来,A股市场总体呈现出更多的月度频率上的中期动量效应而非反转效应;其二,被交易量波动表示的信息冲击对股票价格趋势呈现动量特征还是反转特征有重要影响,总体上,先前交易量波动越小的股票群体,股价后续趋势越容易出现更强的动量效应,且这种现象可以被改进的DHS理论所解释。本文的贡献在于,一方面,本文创新性地拓展了DHS理论模型的内容,在模型中引入了处置效应等心理效应,结合实际指出了“动量区”的存在可能性,创新了基于中性化交易量波动率指标的动量研究方法,建立了交易量、信息冲击、投资者在行为金融方面的异质性、价格趋势诸多变量之间的联系,从新的视角阐释了动量效应与反转效应形成的过程与机理,并完成了实证上的检验,丰富了相关领域的文献。另一方面,从现实意义上讲,首先,本文的研究结论在一定程度上可以协助预测市场价格趋势的变化,研究思路可被量化或被因子化,用于构建中长线投资策略,或配以一定权重加入到多因子投资模型中,其次,本文的研究结论对评定市场的有效性水平有一定帮助,最后,由于本文的研究涉及信息冲击,因此本文结论也可以为监管者完善信息发布规则、选择信息披露时点提供更多待考虑的因素,具有一定实践意义。

关键词：股票交易量信息冲击动量效应与反转效应 DHS模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于市场动态与资产特征的在线投资组合选择学习方法研究

基于市场动态与资产特征的在线投资组合选择学习方法研究

引用

作者：赖飞同广州大学

学位级别：硕士

投资组合选择指投资者根据投资目标与风险偏好,在不同资产中分配资金,以达到投资收益与风险平衡的目的。近年来,研究人员将机器学习技术应用于在线投资组合选择中,旨在通过大数据技术提升投资组合管理的效率与有效性。然而,传统的在线... 详细信息

投资组合选择指投资者根据投资目标与风险偏好,在不同资产中分配资金,以达到投资收益与风险平衡的目的。近年来,研究人员将机器学习技术应用于在线投资组合选择中,旨在通过大数据技术提升投资组合管理的效率与有效性。然而,传统的在线投资组合选择算法通常采用固定的标准和方法做出投资决策,却忽略了市场整体动态变化的影响。此外,这些算法通常依赖于带有主观意向的指标或策略的规则性应用,在有效捕捉历史价格数据的非线性变动上存在一定挑战。因此,本文以市场整体的动态变化与非线性金融波动的捕捉为研究切入点,提出了三种新型的在线投资组合选择学习方法,旨在使求解所得的投资组合同时具备良好的盈利与风险规避能力。本文主要讨论内容包括:第一,在峰值价格追踪算法的基础上,本文提出了一种新型的投资潜力追踪学习系统(A Novel Investment Potential Tracking-Based Learning System,IPT),旨在追踪更多的资产信息与市场整体的动态变化。首先,IPT系统提出了一个资产信息模型,在峰值价格追踪算法的基础上追踪了更多的资产历史信息,并将市场的整体波动纳入考量。其次,结合动量效应与反转效应,IPT系统设计了一种综合考虑近期趋势、反转潜力与历史风险的三态策略选择算法,以计算资产的投资潜力得分。第三,IPT系统在交易开始前对初始投资组合向量进行了预训练,以整合更多的历史交易信息。最后,IPT系统通过梯度投影方法获取每期的资产配置比例。通过实证分析和统计检验,本文验证了IPT系统在资产配置中平衡收益与风险的能力。第二,在IPT系统的基础上,本文进一步提出了一种基于序信息的在线自适应资产跟踪算法(Online Adaptive Asset Tracking Algorithm with Ordinal Information,OAAT),为算法中的参数选择提供了更好的解决方案。首先,OAAT算法提出了一个基于市场动态参数的自适应资产信息模型,旨在实时捕捉市场的动态变化。其次,OAAT算法通过在线随机梯度下降优化算法中的参数,从而自适应地调整算法对动量效应与反转效应的倾向,以及投资组合向量更新的步长。第三,OAAT算法的初始参数基于训练集序信息的最小和原则进行选择,以有效地提升算法性能与参数的优化效率。最后,OAAT算法使用梯度投影技术计算每期的资产配置比例。经过实证分析和统计检验,结果一致表明,OAAT算法能够有效地平衡投资组合的回报与风险。第三,为了降低峰值价格追踪算法中人为主观意向的影响,本文提出了一种基于深度序列特征与反转信息的资产价格追踪算法(A Novel Predictive Price Tracking Algorithm using Deep Sequence Features and Reversal Information,DSF-RI-PPT)。首先,DSF-RI-PPT算法分别采用自适应噪声全集成经验模态分解、主成分分析算法和长短期记忆网络对资产的相对价格进行序列分解、非相关的金融序列特征提取与相对价格预测。其次,DSF-RI-PPT算法通过引入反转指标—变动率,为投资组合求解补充反转信息。最后,DSF-RI-PPT算法使用梯度投影技术计算每期的投资组合向量。实证分析和统计检验的结果表明,DSF-RI-PPT算法的回测结果表现优异,在风险管理和实时交易表现等方面展示出优越的效果。本文探讨了机器学习算法在捕捉市场动态变化与资产波动规律上的创新,并提出了三种新型的在线投资组合选择学习方法,通过科学合理的实验设计和统计验证,获得了具有竞争力的实验结果,并验证了本文研究的有效性,从而进一步推动了投资组合领域的研究。

关键词：在线投资组合选择动量效应与反转效应在线随机梯度下降经验模态分解长短期记忆网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：