| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 引言 | 第8-16页 |
| 1.1 研究背景及研究意义 | 第8-10页 |
| 1.2 理论研究综述 | 第10-15页 |
| 1.2.1 投资组合的相关理论基础 | 第10-12页 |
| 1.2.2 高频环境下的策略投资组合相关理论基础 | 第12-13页 |
| 1.2.3 智能优化算法在投资组合中的应用 | 第13-15页 |
| 1.3 主要研究内容与框架 | 第15-16页 |
| 1.4 主要创新点 | 第16页 |
| 2 理论基础 | 第16-25页 |
| 2.1 投资组合相关理论模型 | 第16-20页 |
| 2.1.1 投资组合优化的核心框架 | 第17-19页 |
| 2.1.2 投资组合优化中的估计误差 | 第19页 |
| 2.1.3 高频环境下的协方差估计 | 第19-20页 |
| 2.2 高频交易策略表现评估 | 第20-22页 |
| 2.3 多因子模型 | 第22-25页 |
| 3 基于Hayashi-Yoshida估计的策略投资组合模型 | 第25-34页 |
| 3.1 模型假设 | 第25页 |
| 3.2 基本模型 | 第25-27页 |
| 3.3 标准的人工蜂群算法 | 第27-29页 |
| 3.4 实证分析 | 第29-34页 |
| 4 基于多因子模型的策略投资组合模型 | 第34-43页 |
| 4.1 高频交易策略评估指标的确定 | 第34-35页 |
| 4.2 模型构建方案 | 第35-36页 |
| 4.2.1 构建高频交易策略池 | 第35-36页 |
| 4.2.2 量化环境的搭建 | 第36页 |
| 4.3 改进的人工蜂群算法及其有效性检验 | 第36-39页 |
| 4.3.1 改进的人工蜂群算法 | 第36-37页 |
| 4.3.2 对改进的人工蜂群算法有效性的检验 | 第37-39页 |
| 4.4 实证分析 | 第39-43页 |
| 5 结论与展望 | 第43-44页 |
| 5.1 结论 | 第43-44页 |
| 5.2 后续的拓展研究 | 第44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48-49页 |
| 附录 攻读硕士学位期间的研究成果 | 第49-50页 |