基于动态贝叶斯网络的股价动态模型与其在中国市场上的应用研究
| 中文摘要 | 第8-10页 |
| 英文摘要 | 第10-11页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 文献综述 | 第13-16页 |
| 1.2.1 量化择时策略 | 第13-14页 |
| 1.2.2 动态贝叶斯网络在金融市场的应用 | 第14-15页 |
| 1.2.3 股价估值偏误与均值回归 | 第15-16页 |
| 1.3 论文结构安排 | 第16页 |
| 1.4 本文的创新之处 | 第16-18页 |
| 第2章 基础理论模型 | 第18-26页 |
| 2.1 内在价值 | 第18-19页 |
| 2.2 均值回归 | 第19页 |
| 2.3 贝叶斯统计方法 | 第19-23页 |
| 2.3.1 贝叶斯定理 | 第19-20页 |
| 2.3.2 贝叶斯统计推断 | 第20-21页 |
| 2.3.3 条件独立性质 | 第21页 |
| 2.3.4 贝叶斯网络 | 第21-22页 |
| 2.3.5 动态贝叶斯网络 | 第22-23页 |
| 2.4 参数学习 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于市盈率对股价动态建模 | 第26-34页 |
| 3.1 基于市盈率的一种择时策略 | 第26-27页 |
| 3.2 股价波动的统计模型 | 第27-31页 |
| 3.2.1 股价异常波动的行为因素 | 第27-28页 |
| 3.2.2 描述股价变动的动态贝叶斯网络 | 第28-31页 |
| 3.3 DBN模型的学习与推断 | 第31-33页 |
| 3.3.1 参数已知情况推断 | 第31-32页 |
| 3.3.2 模型参数学习 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 模型实证研究思路 | 第34-42页 |
| 4.1 基于贝叶斯推断的择时策略 | 第34-37页 |
| 4.1.1 持有策略 | 第34页 |
| 4.1.2 中期效应策略及长期效应策略 | 第34-37页 |
| 4.2 构建投资组合 | 第37-38页 |
| 4.3 实证设计 | 第38-41页 |
| 4.3.1 投资策略应用于单只股票 | 第38-40页 |
| 4.3.2 择时策略应用于投资组合 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 模型实证分析 | 第42-69页 |
| 5.1 模型数据的选取 | 第42-44页 |
| 5.1.1 A股数据 | 第42-43页 |
| 5.1.2 交易成本 | 第43-44页 |
| 5.2 基本假设 | 第44页 |
| 5.3 基于DBN模型的投资策略 | 第44-55页 |
| 5.3.1 操作方法 | 第44-47页 |
| 5.3.2 结果及分析 | 第47-55页 |
| 5.4 最优参数及策略收益分析 | 第55-61页 |
| 5.4.1 交易阈值 | 第55-59页 |
| 5.4.2 窗口宽度 | 第59-61页 |
| 5.5 投资组合构建方法对策略绩效的影响 | 第61-68页 |
| 5.5.1 操作方法 | 第61-62页 |
| 5.5.2 结果及分析 | 第62-66页 |
| 5.5.3 采样法分析投资组合绩效 | 第66-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 不足与展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 附录A 贝叶斯推断过程(部分) | 第76-82页 |
| 附录B 部分Python代码 | 第82-84页 |
| 学位论文评阅及答辩情况表 | 第84页 |
