检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

量化交易策略问题中的深度强化学习算法研究

量化交易策略问题中的深度强化学习算法研究

作者：徐智钊山东师范大学

学位级别：硕士

量化交易是指通过计算机程序自动生成或者下达交易指令的交易行为。近年来,随着信息科技的快速发展,以深度学习为代表的人工智能技术越来越多的应用在量化交易中。由于金融市场的复杂性和高频交易的快速性,交易机会通常非常短暂,交易者... 详细信息

量化交易是指通过计算机程序自动生成或者下达交易指令的交易行为。近年来,随着信息科技的快速发展,以深度学习为代表的人工智能技术越来越多的应用在量化交易中。由于金融市场的复杂性和高频交易的快速性,交易机会通常非常短暂,交易者通过人工盯盘进行主观决定交易的难度被大幅增加。深度强化学习的智能体可以代替人工进行特征提取,捕捉潜在的市场时机并进行自动化交易。其中,设计良好的智能体展现出了超越人类交易者的潜力。配对交易策略和投资组合策略是量化交易中常用的方法,本文研究了在这两类策略中的深度强化学习算法,主要包括以下方面:(1)在配对交易策略问题中,现有方法主要集中在优化交易信号上,忽略了“交易对”的选择问题。此外,在选择“交易对”时,最佳的交易时间间隔通常是难以确定的。本文提出了一个双层深度强化学习算法,从“交易对”选择和“交易阈值”设定两个层面优化传统的配对交易策略。针对“交易对”的选择,提出了一个扩展的Option-Critic方法,智能体通过学习options策略和终止函数,允许其在非固定的时间间隔上选择交易对。为了更灵活的实现“交易阈值”的设定,使用了MADDPG(Multi-Agent Deep Deterministic Policy Gradient)方法,允许智能体分别选择开仓、止损阈值以及交易时间点。在中国期货市场的实验结果表明,本研究提出的模型在盈利能力等方面优于传统模型。(2)在投资组合策略问题中,交易对象的价格波动行为在训练期间和测试期间通常存在差异,模型的泛化性问题限制了现有方法的应用场景。本文提出了一个元强化学习框架,智能体通过在多个具有差异化的训练任务中进行特征学习以提升泛化性能,从而提高交易模型的盈利能力。首先,按照行业维度构建具有差异化的元强化学习任务,允许智能体从其中进行特征学习。其次,为了实现在测试任务上的零次适应,提出了一个基于Transformer的元强化学习方法。使用Transformer作为元特征提取器,从不同训练任务的轨迹中以序列学习的方式重建马尔可夫过程。最后,利用中国股票市场数据,对比测试了经典元强化学习方法的在线变体,实验结果验证了所提模型的有效性。

关键词：量化交易深度强化学习配对交易策略投资组合策略

基于机器学习的红枣期货价格预测及量化交易策略研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的红枣期货价格预测及量化交易策略研究

作者：赵自强塔里木大学

学位级别：硕士

农产品期货作为一种重要的金融衍生品,发挥着价格发现以及风险管理功能,促进了农产品市场的稳定和发展。2019年4月30日,国内首个干果期货品种,红枣期货在郑州商品交易所上市交易。全国设立了红枣交割仓库14家,其中新疆9家,并明确了南疆... 详细信息

农产品期货作为一种重要的金融衍生品,发挥着价格发现以及风险管理功能,促进了农产品市场的稳定和发展。2019年4月30日,国内首个干果期货品种,红枣期货在郑州商品交易所上市交易。全国设立了红枣交割仓库14家,其中新疆9家,并明确了南疆为红枣的基准价区,带动了南疆红枣加工、仓储等行业的综合发展。红枣期货价格为红枣现货价格提供了重要参考意见,为红枣生产经营者给予了可靠的价格波动依据,为红枣供应链从业人员进行交易决策提供了重要信息。红枣产业的进一步发展,急需利用信息与智能技术,综合集成行业与领域知识,实现生产、经营和管理决策的综合化、智能化,以降低市场风险、提高盈利能力。因此,面对当前红枣市场价格波动风险加大的趋势,分析红枣期货价格的波动情况,预测红枣期货价格的趋势,制定红枣期货量化交易策略对红枣产业利益相关者进行生产、加工和投资有着重要作用。在对红枣期货价格预测与量化交易策略研究中,首先,从郑州商品交易所获取1137组期货交易数据,对交易数据进行特征提取,并把基本价格指标和基本技术指标进行融合,形成预测模型输入数据。其次,应用三种不同的价格预测模型:基于长短期记忆(LSTM)神经网络模型、支持向量回归(SVR)模型和误差反向传播(BP)神经网络价格预测模型,对比分析三种模型在红枣干果价格预测方面的综合性能。使用均方根误差(RMSE)和平均绝对百分误差(MAPE)等评估指标来评价模型预测精度。最后,根据预测收盘价价格的涨跌幅制定红枣主力期货(期货合约代码:CJM)量化交易策略,并对交易策略进行优化,达到了一定程度的风险管理和利润最大化的目标。研究表明,在年度价格预测方面,LSTM模型取得了更佳的性能表现,尤其在提前5日预测红枣期货价格变动趋势时优势明显。基于LSTM的红枣干果价格预测模型,可对红枣期货价格预测发挥辅助决策作用,根据预测结果所建立的量化交易策略,具有在降低风险的同时实现更高的回报率的决策作用,为投资者提供了规避市场风险和合理配置红枣期货仓位的有益指导。

关键词：机器学习红枣期货神经网络价格预测量化交易

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

集成深度强化学习及其在量化交易中的应用

集成深度强化学习及其在量化交易中的应用

作者：曾智亿湖北师范大学

学位级别：硕士

量化交易是指利用各类模型和技术,对资产价格进行定量分析、预测,并进行自动化交易。其中就涉及到对资产的定价。经典的资产定价模型,如资本资产定价模型(CAPM,Capital Asset Pricing Model),侧重于通过构建符合经济学解释的模型来解释... 详细信息

量化交易是指利用各类模型和技术,对资产价格进行定量分析、预测,并进行自动化交易。其中就涉及到对资产的定价。经典的资产定价模型,如资本资产定价模型(CAPM,Capital Asset Pricing Model),侧重于通过构建符合经济学解释的模型来解释市场。然而,在真实动态市场环境中,由于多种因素如投资者行为的非理性,它们的预测效果并不总是令人满意。而近些年兴起的机器学习、深度学习等工具侧重于数据本身的拟合,但是缺乏对模型和结果做出经济学解释。强化学习(RL,Reinforcement Learning)可以充分利用深度学习的拟合性能,同时可对结果进行经济学解释。比如,根据经济学理论,可以设置不同情境下的奖励和惩罚,使得智能体可以模拟投资者在市场中的行为,从而捕捉市场的动态性。许多研究已经提出了各种方法将量化交易与RL结合起来,但往往仅关心对数据的拟合,并未过多考虑经济学解释。并且大部分研究只使用了单一的奖励函数来拟合市场,无法适应动态变化的真实市场。比如,在牛市期间使用的奖励函数,在熊市期间使用可能表现不佳。本研究将经典资产定价模型和强化学习结合,充分利用二者优势。并且,从经济学原理出发,设计多种基于未来多期资产价格(Profit-based reward)和下行风险的奖励函数(Regularized-based reward),并对结果进行统计学检验,同时结果也具备经济学意义上的可解释性。并基于动态市场,设计不同的奖励函数模拟投资者行为。并且设计两种集成奖励函数,分别是基于贪婪算法(MSR-GME,Multi-Step Rewards Greedy Method Ensemble)和基于Thompson采样的奖励函数集成(MSR-TSE,Multi-Step Rewards Thompson Sampling Ensemble),在不同市场环境下动态选择奖励函数,以此在不同的市场环境下持续优化资产投资组合。本文进行了广泛的实验来验证本文构建的奖励函数从多个方面的机制和优越性。此外,集成奖励可以在获得更高利润和更低风险方面显著提高策略表现。

关键词：强化学习奖励函数量化交易 Thompson sampling

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习算法股指期货量化交易策略研究

基于深度学习算法股指期货量化交易策略研究

作者：李天源内蒙古财经大学

学位级别：硕士

随着计算机技术的快速发展,当前国内金融市场的投资交易中程序化的量化策略交易占比逐渐提高,逐步取代基于传统技术分析等方法的主观交易。量化交易作为现代金融领域的一种重要投资策略,不仅可以提高投资效率、降低投资风险,还可以推动... 详细信息

随着计算机技术的快速发展,当前国内金融市场的投资交易中程序化的量化策略交易占比逐渐提高,逐步取代基于传统技术分析等方法的主观交易。量化交易作为现代金融领域的一种重要投资策略,不仅可以提高投资效率、降低投资风险,还可以推动金融市场创新。基于机器学习方法预测交易标的价格的研究已经大量存在,但近年来计算机技术的发展才使得深度学习方法受到极大的关注,并逐步被应用于金融领域,尤其是深度强化学习构建的智能体在金融市场中自动交易的能力特别受到重视。因此本文主要致力于研究构造深度神经网络模型来预测高频交易下股指期货的短期价格,并基于此以深度强化学习方法构建能够获得超额收益的量化交易策略。具体内容安排如下:首先,介绍了我国股指期货市场的特征,包括其发展历程,交易规则以及量化交易在股指期货上应用的优势,并且说明了当前股指期货市场上量化交易所存在的问题。其次,以股指期货交易数据为基础计算了各技术指标,并将其作为模型输入,搭建LSTM神经网络模型以回归的方法预测股指期货价格的未来走势,并且按预测价格构建简单的交易策略,实验结果证明LSTM神经网络模型对股指期货未来价格具有一定的预测能力,从而确定了后续深度强化学习模型中神经网络模型的选择。最后,本文设计了进行股指期货交易的单资产择时交易的强化学习环境,并使用上述神经网络构建基于值函数方法的D3QN模型和基于策略梯度方法和Actor-Critic框架的PPO模型。将上述两种模型在设计好的强化学习环境中以最大化收益为目标进行训练,从而得到能够在模拟交易中获取超额收益的量化交易智能体,最后对两种模型的收益率走势与仓位状况进行分析。实验结果表明,所提策略在各股指期货上均能实现超额收益,且D3QN模型获取收益的能力更为稳定。

关键词：量化交易神经网络深度学习强化学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于智能学习方法的量化交易系统设计与实现

基于智能学习方法的量化交易系统设计与实现

作者：孔德铃山东师范大学

学位级别：硕士

在当前金融市场信息化日益发展的环境下,量化交易作为一种基于数据分析和数学模型的交易方式,受到了越来越多的关注和应用。传统的人工交易方式受限于人的主观意识和情绪波动,难以及时有效地捕捉市场的变化和机会。而量化交易则通过系... 详细信息

在当前金融市场信息化日益发展的环境下,量化交易作为一种基于数据分析和数学模型的交易方式,受到了越来越多的关注和应用。传统的人工交易方式受限于人的主观意识和情绪波动,难以及时有效地捕捉市场的变化和机会。而量化交易则通过系统化、自动化的交易策略,执行更科学、更高效的决策,能够更好地应对市场变化和风险挑战。随着人工智能技术的快速发展,以深度学习为代表的智能学习方法在量化交易领域展现出潜力,使得基于智能学习方法的量化交易系统成为研究热点。本文通过构造智能决策模型来搭建股票交易系统,主要研究内容如下:(1)针对金融市场中股票之间复杂的关联关系导致特征学习易失效的问题,提出了一种基于超图Transformer的股票交易系统。其中,使用超图模型对股票之间的高阶关系进行建模,并通过集成超图神经网络和Transformer引入了新的超图Transformer层,在节点更新过程中利用其自注意力机制来捕捉关键信息,能够自动地学习到不同股票之间的关注程度。同时,为了更好地捕捉股票之间的复杂关联关系,利用互信息方法划分强相关股票集合,进而聚合该集合内股票的公共特征进行股票特征表示增强,从而提升模型预测的效果。根据制定的交易策略对上述智能决策模型推荐的股票进行测试,在中国A股市场上表现出了良好的性能。(2)针对传统超图结构在量化交易应用中的局限性,提出了一种基于增强超图融合学习的股票交易系统。首先从数据驱动角度,利用余弦相似性等度量方法衡量行业指数与该行业非隶属股票的波动相似性,扩大行业超边所纳入股票范围,以弥补单纯使用先验知识构建超边的不足。其次,针对各超边所包含的股票集合,使用Fuzzy C-means进行聚类分析,利用股票相对聚类中心的距离作为其行业隶属关联矩阵的取值。最后,将增强后超图转换为市场股票加权图,进而将上述加权图和增强超图实现“图-超图”的融合学习,进行股票推荐,并完成在中国A股市场上的测试,以验证模型的有效性。

关键词：量化交易智能学习方法超图图学习融合学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度强化学习的量化交易策略研究

基于深度强化学习的量化交易策略研究

作者：伍娜湖北师范大学

学位级别：硕士

随着计算机技术的发展,金融市场转向新兴技术,借助人工智能和数据处理算法应对复杂数据和减少情感导致的判断错误,企业纷纷投入智能金融研究。本文紧紧围绕金融行业的现状,对人工智能在金融交易应用的现状进行了综述,并引入深度强化学习... 详细信息

随着计算机技术的发展,金融市场转向新兴技术,借助人工智能和数据处理算法应对复杂数据和减少情感导致的判断错误,企业纷纷投入智能金融研究。本文紧紧围绕金融行业的现状,对人工智能在金融交易应用的现状进行了综述,并引入深度强化学习(Deep Reinforcement Learning,DRL)算法于股票交易领域,构建了一种智能化的交易模型。通过对海量数据进行深度学习,旨在发现市场中的潜在规律,从而实现更为有效的交易。本文的创新点主要在两个方面:本文提出了一种改进的深度Q网络算法构建量化交易策略。该算法优化了损失函数、权值初始化、网络结构调整以及解决高估问题。网络结构调整包括引入了一种名为LSTM-Attention的新型深度网络架构,以解决股市复杂且不断变化的挑战。这一网络结构显著增强了模型对股市数据中关键特征的识别能力,从而使得交易代理更能够深入理解市场动态。最后,通过对四个数据集的评估发现,所提出的算法在夏普比率(Sharpe Ratio,Sh R)、策略收益(gain)、阿尔法(Alpha)、贝塔(Beta)以及波动率(volatility)等指标上表现优异。相比于多个经典策略以及基于DRL的策略,本文提出的算法在交易效果上取得了显著提升。此外,本文提出了一种改进的双重深度Q网络算法构建量化交易策略。该算法的改进主要在训练效率、稳定性、泛化能力、数据预处理和归一化、以及网络结构等方面的优化。该算法在构建策略时引入了三个技术指标,用于风险管理,以避免策略造成重大损失。

关键词：量化交易深度强化学习注意力机制 DQN算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

量化交易,爱恨两难

金融博览 2024年第16期 55-56页

作者：吕晶晶不详

7月10日,中国证监会宣布暂停转融券业务,赢得市场一片叫好之声。与此同时,证监会再次重申将进一步推动程序化交易特别是高频交易的降频降速,有关量化交易的讨论也随之甚嚣尘上。一方面,支持量化交易的人士认为,这类交易模式为市场带来... 详细信息

7月10日,中国证监会宣布暂停转融券业务,赢得市场一片叫好之声。与此同时,证监会再次重申将进一步推动程序化交易特别是高频交易的降频降速,有关量化交易的讨论也随之甚嚣尘上。一方面,支持量化交易的人士认为,这类交易模式为市场带来了显著的流动性,有助于价格发现过程的高效进行,为投资者提供了更多的交易机会。然而,另一方面,批评者指出,量化交易往往依赖复杂的算法,它们能够在极短时间内完成大量的交易,可能会导致市场波动加剧,损害中小投资者的利益。从长远来看,这种做法可能会削弱投资者对市场的信心,进而影响市场的长期健康发展。

关键词：高频交易交易机会中小投资者中国证监会程序化交易宣布暂停量化交易市场波动

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

量化交易中数据质量对策略性能的影响研究

商展经济 2024年第15期 109-112页

作者：邹炜上海景领投资管理有限公司上海200135

本文探讨了数据质量如何影响私募基金中量化交易策略的性能,通过设计一系列模拟实验,系统改变了数据完整性、准确性和及时性参数,并观察了这些变量对交易策略表现的影响。研究结果表明,数据质量的提高显著提高了策略的收益率和风险调整... 详细信息

本文探讨了数据质量如何影响私募基金中量化交易策略的性能,通过设计一系列模拟实验,系统改变了数据完整性、准确性和及时性参数,并观察了这些变量对交易策略表现的影响。研究结果表明,数据质量的提高显著提高了策略的收益率和风险调整后的回报,特别是数据准确性从80%提高至95%时,策略的夏普比率平均提高了20%。此外,引入实时数据更新机制后,策略的最大回撤减少了15%。这些发现强调了在私募基金中维护高数据质量的重要性,本文据此提出了几项实用的数据管理策略,以优化量化交易结果。

关键词：金融市场量化交易数据质量数据监控私募基金实时市场数据

量化交易、投资者情绪与市场波动——基于东方财富股吧贴文的情感分析

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

当代金融研究 2024年第7期 53-69页

作者：邹新阳王寄帆西南大学经济管理学院重庆400715 西南大学智能金融与数字经济研究院重庆400715

随着我国资本市场的逐步完善和成熟,市场参与者对于高效、科学的投资方法需求日益增长,为量化交易提供了广阔的发展空间。为了更好地了解量化交易对证券市场的影响,从量化交易对投资者情绪与市场波动影响的角度进行研究,以期为我国资本... 详细信息

随着我国资本市场的逐步完善和成熟,市场参与者对于高效、科学的投资方法需求日益增长,为量化交易提供了广阔的发展空间。为了更好地了解量化交易对证券市场的影响,从量化交易对投资者情绪与市场波动影响的角度进行研究,以期为我国资本市场的稳健发展和投资者综合素质的提高提供理论指导。基于量化交易、投资者情绪及市场波动的理论逻辑,运用事件研究法、最优标度回归,分析2023年1月至9月量化交易相关数据。研究结果表明,量化交易对股票市场具有显著影响;量化交易存在一定程度的“砸盘”效应,投资者对该现象存在不理性行为;不同量化交易策略之间存在显著的效应差异;把事件个股按照可否进行融资融券区分,得出量化交易的影响也存在显著差异。据此,提出通过加大监管力度、增强量化公司风险管理能力和提高投资者综合素质的相关建议,稳定量化交易对证券市场的冲击,维护投资者利益。

关键词：量化交易投资者情绪市场波动