基于LSTM的股票预期收益研究

基于LSTM的股票预期收益研究

论文摘要

预期收益的研究是风险管理与对冲操作的一大风向标。提高预期收益预测的能力,对研究本国金融市场特征下影响预期收益的风险因子适用性,具有一定的辅助作用。本文对预期收益的研究主要包括了以下四部分:第一部分采用在处理金融时序上具有明显优势的LSTM神经网络模型,对研究对象进行模型的构建及诊断,设计在不同隐含层下,不同神经元个数对模型的拟合效果,将得到的LSTM神经网络模型进行优化,使其避免出现过拟合、欠拟合的训练效果。可以得到的结论:一、数据的非平稳性是降低LSTM神经网络模型预测性能的原因之一;二、整体来看LSTM的预测精度随隐含层数呈同向变化,随输入跨度呈反向变化,而对层神经元的个数影响波动较大,未成规律变化趋势。第二部分首先通过前述初步构建的LSTM模型预测沪深300指数的价格和收益率。研究发现多变量输入的LSTM模型在预测收益率上,预测效果优于预测收盘价的单变量输入LSTM模型。其次采用多变量输入的LSTM模型对沪深300指数的部分成分股进行了预测分析,得到不同股票特征的预测效果存在差异。再次,构建了基于LSTM模型预测个股趋势的买入卖出策略组合进行回测,结果表明LSTM模型能够给策略组合带来高于沪深300指数的超额收益。最后,比较分析了LSTM模型、卷积神经网络(CNN)模型和随机森林模型预测效果的优缺点发现,LSTM模型在预测精度上优于另外两种,CNN模型的预测精度最差,但在趋势方向上具有较好的优势,随机森林模型在预测精度上虽好于CNN模型,但预测稳定性不足。第三部分首先是基于Fama-French三因子模型对我国A市场2016年5月-2019年4月期间进行实证分析,结果表明传统的三因子模型在解释中国A股市场风险溢价上能力不足。然后通过构建基于Fama-French五因子模型的多因子模型,采用Fama-macbeth横截面回归法,来寻找新的有效因子以更好地解释中国A股市场的经济运行特点。上述研究得到的结论表明由市场因子、规模因子、账面市值比因子、盈利因子、估值类因子中的盈利股价比因子和流动性因子构建的六因子模型在我国A股市场上的风险溢价解释力更具优势。第四部分是基于多因子模型的研究结论,首先对因子时效性的深入探讨,本文统计分析了因子IC值的多种特征,观察因子的有效持续间隔发现,将因子的有效持续间隔作为因子择时调仓频率的重要依据,实证结果表明因子的有效持续间隔能够提高所构建的多因子模型预期收益,有LSTM预测模型比没有LSTM预测模型的因子择时的预期收益要高。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 研究背景与意义
  •   1.2 国内外研究现状
  •     1.2.1 预期收益的研究
  •     1.2.2 深度学习在金融市场应用的研究
  •     1.2.3 价格预测的研究
  •   1.3 研究的内容与框架
  •   1.4 技术线路图
  • 第二章 LSTM神经网络建模方法
  •   2.1 LSTM神经网络原理及结构
  •     2.1.1 LSTM核心思想
  •     2.1.2 LSTM神经网络结构
  •   2.2 LSTM神经网络算法
  •     2.2.1 时序反向传播算法(BPTT)
  •     2.2.2 权重梯度计算
  •   2.3 模型设计和诊断
  •     2.3.1 数据说明
  •     2.3.2 单变量输入LSTM模型
  •     2.3.3 多变量输入LSTM模型
  •     2.3.4 LSTM网络结构设计及优化
  • 第三章 基于LSTM股指及其成分股的价格预测
  •   3.1 LSTM神经网络模型股指价格的预测
  •     3.1.1 数据平稳性研究
  •     3.1.2 不同参数组对股指预测的影响
  •     3.1.3 单变量输入LSTM预测股指趋势
  •     3.1.4 多变量输入LSTM预测股指趋势
  •   3.2 LSTM模型预测成分股价格
  •     3.2.1 沪深300指数成分股选取
  •     3.2.2 成分股预测结果
  •     3.2.3 回测交易结果
  •   3.3 预测模型的比较分析
  • 第四章 基于多因子模型的股票预期收益研究
  •   4.1 多因子模型
  •   4.2 基于Fama-French三因子预期收益研究
  •     4.2.1 Fama-French三因子在A股市场上的验证
  •     4.2.2 三因子分析
  •     4.2.3 沪深300成分股的Fama-French三因子策略回测结果
  •   4.3 基于六因子模型对A股的实证研究
  •     4.3.1 因子选取与构建
  •     4.3.2 fama-macbeth回归结果分析
  • 第五章 LSTM预测与因子时效性的组合对预期收益的影响
  •   5.1 因子的特征分析
  •   5.2 因子的时序分析
  •   5.3 LSTM预测与因子择时选股策略组合的实证研究
  • 第六章 结论与展望
  •   6.1 主要结论及创新
  •     6.1.1 主要结论
  •     6.1.2 创新
  •   6.2 不足之处
  • 参考文献
  • 在学期间的研究成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 赵雄飞

    导师: 张蜀林

    关键词: 预期收益,预测,因子,因子择时

    来源: 北方工业大学

    年度: 2019

    分类: 基础科学,经济与管理科学

    专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

    单位: 北方工业大学

    分类号: F832.51;F224

    总页数: 63

    文件大小: 4573K

    下载量: 487

    相关论文文献

    • [1].带协变量的混合因子模型及应用[J]. 黑龙江大学自然科学学报 2019(05)
    • [2].预测视角下双因子模型与高阶因子模型的一般性模拟比较[J]. 心理学报 2019(03)
    • [3].构建网络热度因子模型分析股价运动规律[J]. 中国市场 2018(27)
    • [4].动态因子模型的结构识别研究[J]. 系统工程理论与实践 2016(07)
    • [5].预测视角下双因子模型与高阶模型的模拟比较[J]. 心理学报 2017(08)
    • [6].股权分置改革与资本市场效率的思考——基于三因子模型的实证检验[J]. 纳税 2017(16)
    • [7].玛法五因子模型与三因子模型的中国市场有效性对比[J]. 现代经济信息 2017(18)
    • [8].基于多层因子模型的我国核心通货膨胀估计[J]. 统计研究 2016(04)
    • [9].大数据背景下的动态因子模型预测机理与效果研究[J]. 投资研究 2015(03)
    • [10].中国股票市场的行业特质性金融传染特征:基于网络模型的实证研究[J]. 金融学季刊 2017(02)
    • [11].新冠肺炎对中国零售业影响的实证研究[J]. 现代商业 2020(21)
    • [12].金融周期是否存在全球趋同性?:基于β收敛和两级潜在因子模型的证据[J]. 世界经济研究 2020(08)
    • [13].动态因子模型及其应用研究综述[J]. 统计研究 2015(12)
    • [14].军队某部干部亚健康状态二阶因子模型的建立与分析[J]. 中华保健医学杂志 2016(03)
    • [15].中国股市的三因子模型实证分析[J]. 现代商业 2014(21)
    • [16].双因子模型:多维构念测量的新视角[J]. 心理科学 2014(04)
    • [17].构建多因子模型 发掘细微投资机会[J]. 股市动态分析 2013(38)
    • [18].临床医生亚健康状态高阶因子模型分析[J]. 中国公共卫生 2012(01)
    • [19].广义动态因子模型在景气指数构建中的应用——中国金融周期景气分析[J]. 系统工程理论与实践 2010(05)
    • [20].双因子模型下的幼儿园师幼互动研究[J]. 教师教育研究 2019(06)
    • [21].时变三因子模型风险系数的动态研究[J]. 统计与决策 2020(06)
    • [22].股票市场的高维动态因子模型及其实证分析[J]. 计算机工程与应用 2020(12)
    • [23].基于动态因子模型的房价结构突变测度[J]. 统计与决策 2015(19)
    • [24].沪深股市的三因子模型验证[J]. 金融教学与研究 2015(05)
    • [25].基于单因子模型的中美股市联动效应实证研究[J]. 大众投资指南 2020(06)
    • [26].基于二阶因子模型的工作应激评价实证研究[J]. 中国卫生统计 2013(05)
    • [27].基于共同因子模型的人民币币权实证分析[J]. 云南民族大学学报(哲学社会科学版) 2014(01)
    • [28].两因子模型在多姿态人脸识别中的应用[J]. 武汉大学学报(信息科学版) 2012(05)
    • [29].随机利率的三因子模型及其参数估计[J]. 商业时代 2009(12)
    • [30].贝克抑郁量表第2版中文版在我国大学生中的因子结构[J]. 中国临床心理学杂志 2020(02)

    标签:;  ;  ;  ;  

    基于LSTM的股票预期收益研究
    下载Doc文档

    猜你喜欢