期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
多指标优化及组合的量化择时策略
被引量:
1
下载PDF
职称材料
导出
摘要
股票择时是股票投资市场的重要部分,具有高收益、高风险的投资特点。由于单指数策略的局限性和偶然性较高,数据获取不够翔实无法及时有效地获取收益和止损。面对不同的波动性、周期性、价格弹性等不同的股票,因此使用该策略会失去客观性和灵活性。为解决上述问题,本文建立了多指标优化组合的择时模型。本文首先选取了四个经典的趋势时间选择指标,然后根据交叉原则,将其标记为时间选择性买卖,并将其分别输入到支持向量机中进行训练,从而得到其最优的指标参数。接着将四个技术指标组合,对择时模型进行训练。
作者
陈皓
机构地区
首都经济贸易大学信息学院
出处
《广西质量监督导报》
2019年第8期62-62,共1页
关键词
股票指标
单指标参数优化
组合指标
分类号
F832.51 [经济管理—金融学]
引文网络
相关文献
节点文献
二级参考文献
11
参考文献
3
共引文献
15
同被引文献
2
引证文献
1
二级引证文献
0
参考文献
3
1
方匡南,纪宏,路逊.
股票技术指标相似性与有效性研究[J]
.统计与信息论坛,2009,24(9):26-30.
被引量:9
2
刘小茂,田立.
现代金融风险的度量方法[J]
.统计与决策,2007,23(1):4-6.
被引量:8
3
伍呈呈,夏平,雷帮军,胡蓉.
基于模糊信息粒化与支持向量机的上证50ETF量化择时研究[J]
.三峡大学学报(自然科学版),2018,40(3):88-90.
被引量:2
二级参考文献
11
1
孙碧波,方健雯.
对中国证券市场弱态有效性的检验——基于技术分析获利能力的实证研究[J]
.上海财经大学学报,2004,6(6):52-57.
被引量:22
2
俞乔.
市场有效、周期异常与股价波动——对上海、深圳股票市场的实证分析[J]
.经济研究,1994,29(9):43-50.
被引量:297
3
宋颂兴,金伟根.
上海股市市场有效实证研究[J]
.经济学家,1995(4):107-113.
被引量:161
4
彭丽芳,孟志青,姜华,田密.
基于时间序列的支持向量机在股票预测中的应用[J]
.计算技术与自动化,2006,25(3):88-91.
被引量:31
5
Fama. Efficient capital markets: a review of theory and empirical work[J].Journal of Finance,1970(25) :383-17.
6
Fama, Blume. Filter rules and stock market trading profits[J].Journal of Business 1966(39):26-41.
7
Brock, Lakonishok, Le.Baron. Simple technical trading rules and the stochastic properties of stock returns [ J ]. Journal of Finance, 1992(47) : 1731 - 1764.
8
Bessembinder, Chart. The profitability of technical trading rules in the Asian stock markets[J]. Pacific - Basin Finance Journal 1995(3) :257 - 284.
9
Ito. Profits on technical trading rules and time- varying expected returns: evidence from Pacific- Basin equity markets[J]. Pacific- Basin Finance Journal, 1999(7) :283 - 330.
10
Pang- Ning Tan, Micheal Steinbach, Vipin Kumar.数据挖掘导论(英文版)[M].北京:人民邮电出版社,2006:56-289.
共引文献
15
1
张阚,丰雪.
最大熵分布在投资组合中的应用研究[J]
.沈阳农业大学学报,2007,38(6):881-884.
被引量:1
2
徐芳燕.
金融风险度量的主要问题及解决[J]
.商场现代化,2008(18):173-174.
3
蒋玉梅,王明照.
金融风险计量中人工神经网络的应用[J]
.广西金融研究,2008(9):52-55.
被引量:1
4
王敏,王凡.
税收收入风险的测度与应用[J]
.理论与现代化,2010(4):54-59.
被引量:9
5
周圣.
均值—条件风险价值模型有效前沿分析——以含无风险资产和持有期为研究视角[J]
.西南交通大学学报(社会科学版),2012,13(3):122-126.
被引量:3
6
胡阳,孙艺元,陈婷婷.
《证券投资学》技术分析内容的教学研究[J]
.商业时代,2013(11):97-98.
被引量:1
7
王领,胡扬.
基于C4.5决策树的股票数据挖掘[J]
.计算机与现代化,2015(10):21-24.
被引量:6
8
王霞.
技术指标分析在证券投资中的应用——基于因子分析和Logistic回归分析[J]
.物流工程与管理,2016,38(4):155-157.
被引量:1
9
蒋玉梅,王明照.
金融风险计量中人工神经网络的应用[J]
.管理观察,2008(11):188-189.
10
郝知远.
基于改进的支持向量机的股票预测方法[J]
.江苏科技大学学报(自然科学版),2017,31(3):339-343.
被引量:12
同被引文献
2
1
孟叶,于忠清,周强.
一种安全的量化选股策略——来自A股市场的实证[J]
.金融理论与实践,2018(8):102-107.
被引量:2
2
钟思珍.
个人投资者股票投资风险管理分析[J]
.产业创新研究,2020(15):52-53.
被引量:2
引证文献
1
1
宋志国.
股票投资择时策略分析[J]
.财讯,2020(24):154-155.
1
江华娟,何瑶,陈意,崔兴龙,傅超美.
BP神经网络结合熵权法多指标优化四物汤水提工艺[J]
.中草药,2019,50(18):4313-4319.
被引量:17
2
安晓飞,王晓鸥,付卫强,魏学礼,武广伟,李立伟.
四要素变量施肥机肥箱施肥量控制算法设计与试验[J]
.农业机械学报,2018,49(S1):149-154.
被引量:9
3
周子昂,尚瑞琪.
沪深300高频波动率的预测及应用——基于深度学习的方法[J]
.上海立信会计金融学院学报,2019,0(4):60-74.
被引量:2
4
张伟楠,鲁统宇,孙建明.
支持向量机在多因子选股的预测优化[J]
.电子技术应用,2019,45(9):22-27.
被引量:2
5
熊音笛,刘开培,秦亮,欧阳庭辉,何佳奕.
基于时序数据动态天气划分的短期风电功率预测方法[J]
.电网技术,2019,43(9):3353-3359.
被引量:34
6
高亢.
基于估值水平的Smart Beta指数择时策略研究[J]
.中国物价,2019,0(10):61-63.
7
吴孙勇,宁巧娇,蔡如华,孙希延,潘福标.
基于箱粒子概率假设密度滤波的弱目标检测与跟踪算法[J]
.控制与决策,2019,34(7):1417-1424.
广西质量监督导报
2019年 第8期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部