论文部分内容阅读
最近十几年来,量化投资在海外发达资本市场上已经成为了一种主流的投资方式。随着国内资本市场复杂度的日益提升,传统的以主观判断为主的投资方式正面临更大的挑战,量化投资以其特有的优势也开始受到国内越来越多投资者和学者的关注。本文基于这样的背景,以目前国内A股市场为研究对象,尝试构建一项量化选股策略。本文第一章介绍了研究背景,阐述了有关量化选股的国内外研究现状,确定了研究目的并提出了研究思路。由于本文构建的选股策略并没有建立在已有的选股方法上,而是首次将SOM聚类方法应用到选股研究中。因此本文第二章较为具体地介绍了SOM神经网络的模型和算法,给出了两组人工数据的SOM聚类实例,并且引出了基于SOM算法的轨迹聚类思想,本文构建的选股策略正是借鉴这一思想方法实现对股票的分类的。本文的主要研究工作分为两个阶段：聚类选股策略的构建阶段和策略的模拟交易测试阶段。本文第三章首先详细阐明了聚类选股策略的基本思想,接着给出了该策略的完整构建过程。第四章首先构建了聚类选股策略的模拟交易算法,并对这一算法进行了解释说明,接着对选股策略进行模拟交易测试。在测试实验中,本文共选取了6个不同的测试期：15/06/10-15/07/22,14/01/03-15/08/10,14/01/03-15/01/05,13/01/04-14/01/10,11/12/30-13/01/04和11/01/04-12/01/04。首先对15/06/10-15/07/22测试期进行了单次交易测试以展示具体的交易过程信息。接着对各测试期均进行了100次交易测试以考察策略的选股效果。第四章最后汇总了上述6个测试期的100测试结果,结果表明,测试期为15/06/10-15/07/22,14/01/03-15/08/10和13/01/04-14/01/10的测试胜率显著高于50%,分别达到了72%,75%和91%,而测试期为11/12/30-13/01/04,14/01/03-15/01/05和11/01/04-12/01/04的胜率分别只有46%,27%和26%。尽管在某些指数表现不佳的测试期(15/06/10-15/07/22和13/01/04-14/01/10),策略表现出了一定的优势,但在指数表现明显差的测试期(11/01/04-12/01/04),策略选股的表现也十分不理想。总评而言,本文构建的选股策略还未能取得稳定的较好表现,不过构建该策略的思想方法对股票投资具有一定的借鉴意义,值得投资者做更加深入精细的研究。最后一章对本文所做的研究工作做了总结,并指出了许多后续值得研究的问题。