基于卡尔曼滤波的在线投资策略及其实证应用研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-10页 |
| 1.1 引言 | 第7-8页 |
| 1.2 论文内容与结构 | 第8页 |
| 1.3 研究创新之处 | 第8-10页 |
| 第2章 理论背景及国内外研究现状 | 第10-16页 |
| 2.1 投资组合理论 | 第10-11页 |
| 2.2 股票价格波动异常现象 | 第11-13页 |
| 2.2.1 动量效应 | 第11-12页 |
| 2.2.2 反转效应 | 第12-13页 |
| 2.3 在线投资组合算法研究现状 | 第13-14页 |
| 2.4 本章小结 | 第14-16页 |
| 第3章 在线投资组合策略及算法 | 第16-38页 |
| 3.1 投资组合的选择问题 | 第16-19页 |
| 3.1.1 最大化投资收益问题的数学本质 | 第17-18页 |
| 3.1.2 动态投资组合选择算法 | 第18-19页 |
| 3.2 基于反转特征的AC算法 | 第19-27页 |
| 3.2.1 AC算法的记法和定义 | 第20-21页 |
| 3.2.2 基于反转效应的AC算法 | 第21-23页 |
| 3.2.3 AC算法的参数选择 | 第23-25页 |
| 3.2.4 AC算法模拟验证 | 第25-26页 |
| 3.2.5 AC算法的缺陷和疑问 | 第26-27页 |
| 3.3 基于卡尔曼滤波的K-AC-M算法 | 第27-36页 |
| 3.3.1 卡尔曼滤波理论 | 第27-28页 |
| 3.3.2 股票数据的平滑处理 | 第28-30页 |
| 3.3.3 循环调整相对价格(CAPR) | 第30-32页 |
| 3.3.4 基于卡尔曼滤波的K-AC-M算法 | 第32-35页 |
| 3.3.5 、K-AC-M算法模拟验证 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 K-AC-M算法的A股市场实证研究和改进 | 第38-66页 |
| 4.1 验证思路和数据集选取 | 第38-41页 |
| 4.2 K-AC-M对中国A股市场一般性研究 | 第41-42页 |
| 4.3 K-AC-M参数选取对收益的影响 | 第42-48页 |
| 4.3.1 窗口期选择对于收益的影响 | 第42-45页 |
| 4.3.2 投资组合股票容量对收益的影响 | 第45-48页 |
| 4.4 股票组合分类对交易结果的影响 | 第48-57页 |
| 4.4.1 流通股数量对交易结果的影响 | 第48-51页 |
| 4.4.2 行业分类对交易结果的影响 | 第51-54页 |
| 4.4.3 公司业绩表现对交易结果的影响 | 第54-57页 |
| 4.5 市场整体走势对交易结果的影响 | 第57-61页 |
| 4.6 K-AC-M算法的改进 | 第61-64页 |
| 4.7 本章小结 | 第64-66页 |
| 第5章 结束语 | 第66-70页 |
| 5.1 结论 | 第66页 |
| 5.2 不足 | 第66-67页 |
| 5.3 展望 | 第67-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |
