考虑行为克隆的深度强化学习股票交易策略

为提高股票投资的收益并降低风险,将模仿学习中的行为克隆思想引入深度强化学习框架中设计股票交易策略。在策略设计过程中,将对决DQN深度强化学习算法和行为克隆进行结合,使智能体在自主探索的同时模仿事先构造的投资专家的决策。选择不同行业的股票进行数值实验,说明了所设计的交易策略在年化收益率、夏普比率和卡玛比率等收益与风险指标上优于对比策略。研究结果表明:将模仿学习与深度强化学习相结合可以使智能体同时具有探索和模仿能力,从而提高模型的泛化能力和策略的适用性。

基于深度强化学习的自适应股票交易策略

股票交易策略的制定在金融市场投资中起着至关重要的作用。为帮助投资者在多变复杂的股票市场作出最优决策,降低制定投资策略的难度,基于LSTM-SAC模型构建自适应股票交易策略。首先,将堆叠式长短期记忆网络(Long short-term memory,LSTM)预测的股票收益率与股票历史数据相结合来表示市场状况;其次,根据观测的市场信息强化学习智能体,基于自动熵调节(Soft actor-critic,SAC)进行自我交易决策调整以适应市场变化;最后,以微分夏普比率作为智能体学习的目标函数以平衡利益和风险,同时优化交易频率以降低交易成本。研究结果表明:相较于其他股票交易策略,该策略在道琼斯30和上证50市场均具有较高的年化收益,验证了其在不同市场的有效性和稳定性。

基于价格机制的微网群三层主体交易策略

为更好地研究微网群多利益相关者的交易行为并为当地能源市场提供指导,该研究提出一种分布式求解方法,用以求解微网群三层主体间复杂的交易策略。该研究建立由配电网、微网群运营商、微网群及用户组成的优化模型,包括微网群运营商与各微网的供需互动模型和微网与用户的主从博弈模型,并采用分布式方法求解三层主体间的优化均衡策略。结果表明该方法既可实现微网群运营商最大的社会福利,也可提升微网及用户的经济效益,最终实现整个微网群能源互济、协作共赢。

基于EEMD-DRL的铁矿石期货交易策略研究

随着铁矿石等大宗商品日益金融化,越来越多的投资者参与到铁矿石期货交易中,交易策略成为投资决策中的重点研究问题。针对复杂和动态的铁矿石交易环境,设计一种基于集合经验模态分解(EEMD)与深度强化学习(DRL)方法的铁矿石期货交易策略。首先,采用EEMD方法深入剖析铁矿石期货价格的特征,综合考虑分解后的特征,构建基于马尔可夫决策过程的铁矿石期货交易环境;其次,采用多种DRL方法产生铁矿石期货交易策略,并利用累计收益率优化DRL产生的交易策略;最后,采用夏普比率筛选出各交易周期内的最优策略,形成全交易周期的最优策略组合。实验结果表明:提出的交易策略在确保收益率最大化的基础上具有较强的稳健性。

基于利率平价理论的美元人民币掉期点定价模型及回归交易策略

文章使用存单、国债、IRS等多种市场利率形成单一货币的综合收益率,结合利率平价理论对美元人民币1年掉期点进行定价,并基于定价结果,假设实际值围绕“公允值”宽幅震荡并最终收敛,制定相应的交易策略。该策略取得了较好的回测业绩表现,具有一定的实操价值。

电力现货交易机制与售电侧交易策略分析

文章介绍了电力现货市场交易机制和节点电价的形成机制,阐述了不同交易场景下用户侧电量申报策略的结算原理,并以此分析了不同交易策略下的售电收益以及在市场考核机制下用户侧申报偏差范围外的处理方法;探讨了负荷预测与电价预测的原理与研究思路,为售电侧在当前电力现货市场规则下制定高效的购电策略,实现自身利益最大化提供了有效的指导。

基于货币政策调整的股票交易策略

本文基于满足居民财富管理的稳健性需求,结合中央经济工作会议强调坚持稳中求进工作总基调,提出该股票交易策略。策略以中央银行货币政策为基础市场指引,通过合理跟随基本利率和存款准备金、中期借贷便利、公开市场操作对市场的调节作用,挖掘股票市场的次级运动引发的投资机会。调整机理,货币政策通过调节市场的货币供应量和供应价格来影响整个股票市场的流动性,进而影响交易中的供需平衡。当增加货币供应量或降低货币的价格时,股票市场交易活跃,需求大于供给,价格上涨;当减少货币供应量或提高货币价格时,股票市场交易冷淡,供给大于需求,价格下跌。交易中的策略在货币政策指引的次级运动的底部买入股票,在顶部卖出股票,通过合理把握运动规律获取交易收益,以达到预期投资目标。

基于决策树的蒙西电力市场环境下用户交易策略研究

提出基于决策树的蒙西电力市场环境下用户交易策略研究。对影响用户交易决策的因素进行了分析,构建了用户交易购电决策模型,并通过计算各决策节点收益,帮助用户确定最优的交易策略。最后,根据决策树算法,对电力市场环境下用户交易策略进行了设计,实现了用户交易的优化。结果表明,该研究方法交易请求速率明显优于传统方法,交易性能测试方面表现较好。

基于水电调节的多能互补系统和交易策略研究综述

在双碳目标下,利用水、风、光等可再生资源解决新能源发电中的消纳问题显得尤为重要。重点探讨了风电、光伏等可再生能源并网的挑战,特别是它们的间歇性和不可控性问题,以及水电在缓解这些问题中的关键作用。通过提出水光互补和水风互补的概念,强调了水电在平衡可再生能源发电和提升整体能效方面的重要性。同时,深入研究了多种优化模型和交易策略,为水风光互补运行提供了新的思路。

广东电力市场下的气电企业交易策略研究

在发展较为成熟的南方(以广东起步)电力市场环境下,制定较好的交易策略对于发电企业参与电力现货市场交易具有重要的指导作用。本文提出了一种更适用于气电机组的结算模式,从该种结算模式出发,分别剖析中长期交易和现货交易的主要影响因素,并分析了这些因素对于中长期交易和现货交易产生的具体影响。同时基于中长期交易的三要素、日前报价的两大要素来进行中长期交易和现货交易策略分析,并提出相应的交易决策建议。在制定中长期交易策略时,气电企业可以依据具体交易上限、交易需求、预测节点电价、燃料价格和天然气签约量来调整中长期合约中的电量、电价和分解曲线;在制定现货交易策略时,可以依据预测节点电价和燃料成本来调整日前报价中的申报电价和申报容量,以期优化中长期和现货交易策略,增加中长期价差收益和现货收益,提升气电机组在电力现货市场中的竞争力。

新能源风光场站发电量预测与交易策略

随着新能源技术的发展,其在全球能源结构中的份额逐年上升,带来了发电量预测和交易策略的新挑战和机遇。文章探讨了新能源风光发电技术的特点及其发电量的波动性。利用深度学习与神经网络模型,对新能源发电量进行高精度预测,同时结合交易市场的实际情况,构建了基于风险和收益的交易策略。通过机器学习的方法进一步优化交易策略,为新能源发电量的市场化交易提供科学依据。

“绿证交易+配额制考核”对责任主体交易策略影响研究

为保障可再生能源可持续发展,我国先后推行了绿色证书(以下简称绿证)和可再生能源配额制(Renewable Portfolio Standard,RPS)机制。为明确相应政策组合对责任主体交易行为的影响效用,首先,分析了“绿证交易+配额制考核”下电力市场与绿证市场耦合机理;其次,基于反身性视角构建了消费侧责任主体参与电力市场与绿证市场交易的序贯优化模型;最后,通过算例模拟了责任主体在考核期内的交易决策过程。算例结果表明,在RPS下,相较固定价格模式,绿证的市场化交易可在不显著增加责任主体成本的前提下有效提升可再生能源电力消纳量和绿证市场交易额。另外,RPS权重和近期利益偏好对责任主体的月度和年度交易策略制定有明显影响,但并不总为正相关,需要进一步考虑可再生能源不确定性及不同电力商品价差等因素的影响。

基于过度反应现象的跨日反转交易策略收益的实证研究——来自沪深300股指期货市场的经验证据

过度反应现象是经典的市场异象之一。本文利用事件研究法和假设检验法,结合t-eGARCH模型及VAR模型,对沪深300股指期货市场中基于过度反应现象的跨日反转交易策略的收益,以及相关的量价关系和资本市场间的波动溢出现象进行实证研究。研究显示:(1)沪深300股指期货对重大利好或利空消息存在过度反应,相应的跨日反转交易策略可以获得显著的正收益。(2)若在重大事件日当天出现大交易量,跨日反转交易可以获得比出现小交易量时更加显著的收益。(3)标普500指数的过度波动一定程度上可以作为跨日反转交易策略的入场信号,而恒生指数等其他资本市场指数的异常波动不能成为入场信号。

基于主从博弈的独立储能系统参与日前现货联合市场的交易策略研究

储能资源具有双向快速调节功率的能力,是优质的调频资源,其参与电力市场可以增加电力系统的灵活性。为了研究储能参与现货电力市场的交易策略,建立了独立储能系统参与现货联合市场的双层模型,独立储能系统作为上层领导者以实现自身收益最大为目标,调度和交易中心作为下层跟随者以实现购电成本最小为目标,进行Stackelberg主从博弈。然后,利用驻点法将双层模型简化为易于求解的均衡约束数学规划问题。最后通过算例对所提出的模型进行验证。

基于随机森林方法的甲醇期货价格预测与交易策略研究

甲醇是重要的新型清洁能源,其期货产品上市已近10年,论文采用机器学习技术研究甲醇期货价格的预测模型和交易规则。论文采用随机森林算法构造甲醇期货价格预测模型,使用甲醇产业链上下游产品的基本面特征作为输入变量,并对输入变量进行归一化处理构造对照模型,结合使用基于Aberration策略思想构建的交易策略集合,使用夏普比率对交易策略进行筛选,构造有效的甲醇期货量化交易模型。研究结果显示,论文模型在保证交易策略良好泛化能力的情况下可以实现高出同期10年期国债收益率1.2倍以上的年化收益率,也表明利用甲醇产业链上下游产品的基本面特征能够很好地解释甲醇期货价格,并结合使用夏普比率筛选的基于Aberration交易策略思想的交易规则能够构建有效的甲醇期货量化投资模型。

广东电力现货市场环境下火电企业中长期交易策略制定思路

中长期电力交易作为电力市场交易的重要组成部分,其交易电量占总交易电量的80%以上,起到锁定价格、规避现货价格波动风险的作用。为此研讨了广东电力市场的中长期交易品种,分析影响火电企业签订中长期合约的主要因素,研究主要影响因素对各中长期交易品种交易策略中电价、电量和电量分解曲线的具体影响,并提出基于交易品种和交易时序的电力中长期交易策略制定思路:在制定各中长期交易品种的交易策略时,火电企业可以根据电量规模、燃料价格、现货价格、机组中长期偏差考核、机组检修计划等具体情况,调整与改变中长期交易策略中的电量、价格和电量分解曲线,以期不断优化中长期交易策略,增加火电企业的电力市场中长期收益。

安徽电力现货市场主体交易策略及演化博弈分析

随着第二批现货试点现货市场建设进程加快,安徽电力现货市场进入结算试运行阶段。为了更直观地了解安徽电力现货市场主体的交易行为,构建安徽燃煤机组、新能源机组及电力用户3类市场主体的交易策略决策模型,研究主体之间的演化博弈机理。最后,结合安徽电力现货市场试结算日的实际数据,分析市场主体交易策略的主要特征及未来各主体的博弈策略选择。研究成果可为其他省份电力市场的建设及完善提供参考。

基于多层级新闻的股价预测与交易策略研究

构建包括公司、子行业和行业三个层级的综合新闻体系,从新闻层级角度拓展了股价预测任务中所使用新闻的范围,研究多层级新闻体系对股价趋势的预测作用。为了更好地利用各层级新闻,引入了多核学习(MKL)模型。研究发现,三个层级的新闻都能在预测中发挥作用,相比只考虑个股新闻的SVM模型,基于多层级新闻的MKL模型预测准确率提升了10%。在此基础上构建交易策略,模拟交易的结果显示,引入多层级新闻的MKL模型能获得超额收益,表明其在市场交易中具有实践价值。

基于深度强化学习的高频量化交易策略研究

当前国内金融市场的投资交易已从基于传统技术分析等方法的主观交易逐渐转向基于程序化的量化策略交易。股票市场已有大量量化策略的研究工作,但针对期货市场的量化交易策略的研究还不足,已有策略在日内高频交易中的投资回报和风险控制还有待优化。为提升期货高频量化策略的盈利和风控能力,文中设计一种期货交易环境,将1 min时间粒度的高频K线作为环境状态,针对期货交易中持仓状态和交易操作构建相应的动作空间及算法;采用基于LSTM的深度强化学习模型LSTM-Dueling DQN,使其更适用于处理序列输入的状态空间,并显著提升模型的学习速度。对DQN、Double DQN、基于全连接神经网络的Dueling DQN(FF-Dueling DQN)三个基准模型进行实验对比,得到文中构建的交易策略在四个黑色系商品期货交易中累计收益率最高达到43%,年化收益率达到153%,最大回撤控制在10.7%以内。实验结果表明,所提策略在震荡行情和趋势行情中都能实现超出业绩基准的超额收益。

基于Black-Sholes期权模型的可转债定价与交易策略

自2017年资管新规出台以及新的可转换债券发行、申购方式实施后,可转换债券成为我国资本市场的一个热点话题。文章以Black-Sholes模型为基础,对可转换债券的定价进行研究,选择电子通信行业以及医药行业的部分可转债为例,对其2019年度和2020年度的价值进行分析,在计算可转债相应时点理论价值和实际价值的基础上确定债券的买入和卖出时机,形成可转债的交易策略。研究成果对可转债市场上的可转债投资有参考和借鉴作用。