基于市场资金流向分析的商品期货量化交易策略

本文就第五届"泰迪杯"数据挖掘挑战赛A题"基于市场资金流向分析的商品期货量化交易策略"给出了一种分析方法,并针对学生在参赛论文中出现的问题作了简要的说明与点评。

基于KNN算法的A股量化交易策略

运用机器学习KNN算法,筛选了11个因子,利用历史指标以及对应的涨跌情况训练模型,使用前一天指标预测当前交易日个股的涨跌情况。以沪深300成分股票作为标的,当预测上涨概率大于给定阈值时买入股票,并设置止盈与止损点,作为卖出时机。以历史数据回测,结果表明:综合年化收益率、收益波动率、最大回撤等指标分析,KNN模型表现较好,年化收益率比原来提高了11.6%,且波动率较小,即取得该收益率的偶然性及可能面临的的最大亏损较小,表示基于KNN算法的A股量化交易策略性能好。

定量化分析在中国债券市场的应用

近些年来,我国债券市场取得了快速发展,固定收益业务面临巨大的发展机遇.中信证券于2012年提出搭建固定收益量化分析平台的工作目标,并于2014年8月完成.本套定量化分析系统涵盖了固定收益部交易的全部产品,实现了对持仓资产的估值,风险计算和盈亏分解,并针对国债期货等新型交易品种接入了定量化策略分析模块,得到了交易员的广泛使用与好评,是定量化分析在中国债券市场成功运用的典型案例.

基于NLP和深度森林的金融舆情抓取与分析

采用自然语言处理技术对爬取的文本数据进行分词、去停用词处理,利用TextRank、TF-IDF算法提取关键字,构建适用于单篇文章的词重要性指数模型,从中提取重要变量建立适用于沪深300指数的投资者情绪预测模型,借助深度森林算法预测交易信号构建交易策略。结果表明,在样本期基于自然语言处理与深度森林算法对股票交易信号的预测准确率达72.23%,且收益也超过传统策略收益,具备重要的投资指导意义。

基于高频数据的沪铜期货价格预测模型研究

基于对我国期货市场投机过度和换手率畸高的现状的考虑,选取上海期货交易所铜期货价格指数日内每5分钟高频数据,建立沪铜期货价格预测模型.从各模型的预测指标来看,GARCH模型最优,其平均相对误差为7. 89%,泰尔不等系数为0. 0006,协变率为1. 0000,表明模型预测精度最高,进而按照交易成本最小化和投资收益最大化的原则,提出价格级差化的量化投资交易策略.