论文部分内容阅读
K线图作为技术分析中图形分析的重要研究领域,多年来经过历代投资者的应用总结,积累了一系列的分析及应用规则,但K线图分析严重依赖于分析者个人的经验等主观因素,不同人对统一规则的应用往往会得到不同甚至相反的结果。因此作为代表着历史信息的K线图,是否真的包含有可以预测未来价格变动的信息,成为一个值得关注的研究方向,因此本文着眼于研究作为代表着历史信息的K线图,是否真的包含有可以预测未来价格变动的信息。随着近年来深度学习广泛研究,将深度神经网络应用于股票市场预测也成为一个热门的研究方向,在己有的研究,均是以时间价格序列作为网络的输入形式,很少有直接将K线图与神经网络结合起来进行的研究。而卷积神经网络在图片分类识别方面具有独特优势,因此本论文的研究中,将卷积神经网络在图片识别中的独特优势与K线图这个对于股票来说最重要的量价信息识别相结合,并应用控制变量法的实验思想,通过条件控制设置一系列对比模型进行研究,试着从侧面进行验证,K线图中是否真的包含有可以预测未来价格变动的信息。最终本论文研究发现,卷积神经网络在图像识别方面的优势应用于K线图的分类识别,该研究方法是可行的。在本文的模型训练下以20天为交易周期的K线图加成交量指标,在50*50维度的卷积神经网络训练下预测效果最佳,预测准确度达到86.4%。随后将本文所构建的卷积神经网络模型应用到量化交易策略的实盘操作中,在交易平台中的测试证明模型是有效的,为期1年的交易平台回测中,在不允许做空的情形下得到了年化收益率为36.73%的结果,最大回撤率为29.6%。允许做空的情形下得到了年化收益率为61.27%的结果,最大回撤为20.37%。因此本文构建的卷积神经网络模型在识别K线图预测涨跌的量化实战应用中是有效且可以获得一定的收益的。