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。

基于深度强化学习构建股票交易智能体

在复杂多变的金融市场环境中,构建稳定盈利的交易策略面临重大挑战。传统投资组合方法不能有效适应市场快速变化而进行及时权重调整,且关于市场效率、正态分布收益率等市场假设并不能真实反映快速变化的市场环境。针对这些挑战,将DRL算法与金融交易应用场景有效结合,探讨了DRL算法在优化股票交易策略并实现稳定盈利方面的应用潜力。通过选取上证50成分股作为交易品种,综合利用股票价格、成交量、均线等技术指标构建了交易市场环境,合理设计状态空间、动作空间和目标函数,并采用DDPG、SAC、TD3等DRL算法训练出适应性强的交易智能体。结果表明:该股票交易智能体在盈利能力和风险控制方面与传统投资组合策略相比具有显著优势。

北向资金持股比例变化和股票交易的交互影响研究——基于面板VAR模型的实证分析

随着中国资本市场对外开放程度的扩大,北向资金对A股市场的影响不容忽视。研究通过面板向量自回归模型(PVAR),考察了北向资金在A股持股比例的变化对股票交易的影响。研究结果表明:北向资金持股比例的变化和股票超额收益率互为格兰杰原因;北向资金在短期内能够对股票超额收益率、波动率产生显著的影响,但影响稍纵即逝。据此研究认为,投资者应当树立正确的投资观念,避免盲目追逐热点。

一种基于部分可观察马尔可夫决策过程的股票交易策略

近年来涌现了许多把深度强化学习应用到股票交易策略的研究。深度强化学习通常依赖于马尔可夫决策过程建模,但是股票市场中交易策略的制定需要考虑历史交易数据中包含的信息。因此,本文通过部分可观察马尔可夫决策过程对股票市场建模,并采用长短期记忆网络和优势演员评论家算法来构建股票交易策略。通过在道琼斯工业平均指数成份股数据集上进行实验,实验结果表明本文所设计的股票交易策略构建方法可以挖掘隐藏在历史数据中的有效信息,获得稳定且有效的交易策略。

内部人延迟披露股票交易信息的经济动机和后果研究

强制内部人在交易股票后及时披露交易信息,是监管层抑制内部人获利能力的重要举措。利用大样本的高管交易数据考察及时披露政策执行情况的实证研究显示,15%的交易出现了延迟披露,鲜有受到惩罚,披露管制的执行较为宽松。内部人选择延迟披露存在机会主义的"猫腻"。在延迟披露的交易中,连续性交易、违规交易的问题更严重,交易对未来股价走势的预测性更强,即内幕性交易的概率更大。这说明在现有披露管制宽松、内幕交易管制较严格的不均衡监管环境下,内部人策略性地利用披露违规(即延迟披露)来降低内幕性交易的暴露风险、增大内幕性交易的实施收益。从市场对交易披露公告的反应来看,延迟披露行为确实对价格发现产生了负面影响。上述发现凸显了监管层强化交易披露管制执行的重要性。

信息披露与内部人股票交易获利策略——以六起内部人股票交易为基础的案例研究

本文以近期A股市场内部人股票交易活跃的六家公司为例,通过考查信息披露与内部人股票交易间的关系,解释内部人股票交易的获利策略。研究发现,在允许内部人交易本公司股票的情况下,信息披露与内部人股票交易关系密切,内部人存在利用私有信息和策略性信息披露两类获利策略。信息权力是内部人股票交易的获利基础,公司业绩是影响内部人股票交易获利策略选择的重要因素,而法律诉讼风险并没有对我国内部人股票交易和信息披露产生明显约束作用。这些发现对完善我国资本市场内部人股票交易行为规范具有一定借鉴意义。

税制创新条件下的股票交易模型

本文扼要指出了股票市场存在的问题 ,从投资理性上分析了造成这些问题的原因。在文献 [9]的基础上 ,依据制度效率的原则进行制度创新 ,并建立了一个股票交易模型。该模型证明了证券交易印花税制度创新能够减弱股价偏离基本面的压力 。

中国股市股票交易信息与股票横截面收益研究

本文基于沪深股市1993-2008年剔除了金融类股的所有A股数据,研究了股票动量因素、反转因素和换手率等股票交易信息对股票收益横截面的影响。研究结果表明,股票的一年期的动量因素对股票的横截面收益的影响不显著,股票的三个月的短期反转因素对股票的横截面收益有显著影响,股票的三个月的累计收益越低,其在接下来一期获得的收益就可能越高。股票的换手率对股票的横截面收益的影响也显著,股票的上一期的换手率越高,在接下来的一期获得的收益就可能越低。

基于神经网络的股票交易数据的预测研究

运用前馈神经网络预测时间序列的分析方法对股票数据进行了预测.通过对前馈神经网络时间序列数据预测网络模型的建立方法及预测方法讨论,基于BP网络对股票数据进行实际预测.预测精度明显高于传统方法,说明此种方法是可行的.BP网络可用于股票数据预测,其预测精度较高,但实际预测时,如何选择和确定一个合适的神经网络结构需进行反复实验.

内部控制与内部人亲属卖出股票交易行为的市场反应——来自深市上市公司的经验证据

本文运用事件研究法分析了市场能否对内部人亲属卖出股票交易行为做出显著的反应,并探求内部控制在其中的影响。研究发现:内部人亲属在卖出股票交易中表现出了准确的市场择机能力,市场对此有着显著的负面反应;与内部控制质量高的上市公司相比,内部控制质量低的上市公司的内部人亲属能够更为成功地选择在股价大幅度上升的恰当时点卖出股票,市场对此的反应也更加强烈。

中国A股市场对股票交易实行特别处理(ST)的公告的反应

本文运用超额收益法和多元回归分析法 ,研究了我国A股市场对股票交易实行特别处理的公告的反应。我们的研究发现市场对该公告有显著的负反应。分年度的研究表明 1998年市场对该公告的负反应比 1999年显著。同时我们的研究结果也证明了盈余公告具有信息含量。

半结构化信息抽取在股票交易中的应用研究

针对股票的网站越来越多,如何从这些网站的有关页面进行信息抽取,并得到相关知识,为股民提供股票交易的决策参考,是一个值得研究的课题。本文剖析了信息抽取常用的Wrapper方法,以及抽取知识的获取方法。最后,根据可视化信息抽取的原则,设计了一个可视化信息抽取的实验,取得了良好的效果。

股票交易量对收益率波动影响的实证研究

基于GARCH模型,对中国上证综指和深证综指每日的收盘价格和交易量进行分析,检验未预期到的交易量冲击对收益率波动的影响。通过采用Mvol和Rvol两种模型来分别代表短期和长期的交易量冲击的分析方法,得出结果显示,Mvol模型中所描述的长期交易量冲击对股市收益率波动的影响不如Rvol模型中所描述的短期交易量冲击对股市收益率波动的影响强烈。该实证结果表明,由于中国股票市场上存在的大量投机行为,较大的交易量冲击能够给中国股市收益率带来较大的影响,使得股市收益率波动性增大,在特定的时点有可能给中国的股市带来反转效应而非冲量效应。

彩票、股票交易的行为金融学分析

行为金融作为一门新兴的金融学科,对现代标准的金融学理论提出了挑战。在总结前人的研究成果的基础上,分析投资者购买彩票和股票的行为动机和心理,探究投资者的投资偏好,对我国金融市场的规范与完善,具有一定的积极作用和意义。

从供求关系解读股票交易价格

交易价格是市场经济的核心,供求关系决定了交易价格,资源的稀缺性决定了需求对价格变化的主导作用。股票需求由投资者预期决定,而价格变化又是预期的输入变量,预期与价格变化容易形成正反馈,则价格波动可能会进一步扩大,股票价格具有内在的不稳定性。

股票交易印花税的错位及有限效应

股票交易印花税自开征以来在影响股票交易的规模、影响资本的流向、调控股票投资的结构、抑制股市的非理性投资行为等方面只能发挥有限的税收效应,根据我国证券市场的发展特征,恢复印花税的本来面目,开征差异性的证券交易税是目前较为可行的改革措施。

股票交易印花税对股票价格影响研究——以上海股市为例

本文利用Umlauf(1993)方法和事件研究法研究了我国三次印花税调整对上海股票市场价格水平的影响,证明了印花税下调会使股价水平上升、印花税上调会使股价水平下跌这一理论假说,并且就我国股市价格水平对印花税调整所表现出来的反应模式,提出了印花税作为财政政策工具在运用时的一些指导原则。

上海股票交易市场流动性与资产定价的实证研究

综合运用国外流动性与资产定价理论与方法,建立了修正的流动性—资产定价模型,并根据此模型对上海股票交易市场进行经验实证分析。研究发现,在上海股票交易市场这样一个新兴的证券市场中,流动性也是影响资产定价的重要因素,在流动性的价格形成机制中,交易成本是影响价格的主要原因。