导读:本文包含了投资择时论文开题报告文献综述及选题提纲参考文献，主要关键词:农业股票,惯性效应,择时交易策略,投资价值
投资择时论文文献综述
董竹,周悦[1]（2019）在《惯性效应、择时策略与投资价值——基于农业板块股票的实证研究》一文中研究指出股票市场中农业上市公司整体表现欠佳,尤其2017年獐子岛、西部牧业等农业股票业绩未达预期,对农业板块负面影响较大。利用农业板块股票周数据,分析农业上市公司投资价值和筹资水平。结果表明,农业上市公司股票发行规模较小,筹资能力较弱;建立农业股票组合后发现,总市值、流动性均与农业股票组合收益率正相关,但波动率与组合收益率呈倒"U"型关系,成交量与组合收益率关联度较弱。股票市场是农业上市公司最佳筹资方式,农业上市公司经营效益直接关系农业发展、乡村振兴。因此,农业上市公司应适当调整股票市值,增强流动性,控制风险,使农业股票更具投资价值;机构投资者选择证券时加入农业股票,既可获得超额组合投资收益,又可提高农业上市公司筹资能力。(本文来源于《农业经济与管理》期刊2019年03期）
吴海韬[2]（2019）在《基于RSRS择时指标的量化投资选股多因子模型优化研究》一文中研究指出随着中国金融市场逐渐开放,金融秩序不断完善,量化投资在中国越来越受到重视。量化投资指通过寻找经济金融数据之间的关系,以获得稳定利润和超额收益为目的数量化投资。在量化投资中,股票多因子模型是应用比较广泛的模型结构,其发展历程由CAPM模型的单因子模型开始到APT模型再到着名的叁因子模型,折射出了股票多因子模型背后的强大生命力。而单因子挖掘作为股票多因子模型最基础的工作自然是重中之重,没有具有显着盈利效应和稳健性的因子,多因子模型的超额收益自然无从说起。因此,本文以沪深300成分股为样本股票池,选择样本期为2012年1月到2019年1月的月度样本股票价格数据,使用第叁方平台聚宽基于Python的研究模块实现数据清洗、去极值、标准化、市值行业中性化,再使用RLM回归模型对候选因子集中因子进行回归分析,在候选因子集中检验各个因子,并且通过检验收益率序列T值和IC均值、IR值等逐步筛选显着因子,缩小具备显着性的因子集,最终在显着因子集间相进行关性检验,取得相关系数矩阵,得出长期来看显着的因子有BP因子、ROE因子、反转因子、市值因子。在对有效因子进行金融逻辑判断后,筛选出BP因子和ROE因子作为基本股票多因子模型的核心因子并使用ICIR值作为其相应权重值,使用打分排序法作为其基本逻辑框架,在样本期对该模型进行绩效评估,并且使用RSRS技术择时指标对模型进行优化,使模型获得稳定超额收益的同时,减少绝对收益的损失。在对比相同策略的量化私募绩效指标后,发现经过RSRS优化后的股票多因子模型绩效指标显着战胜量化私募中位数指标。(本文来源于《广西大学》期刊2019-05-01）
高金窑,王庆瑜[3]（2019）在《证券投资基金的择时与风格转换——基于市场流动性视角的研究》一文中研究指出本文在四因子模型基础上实证研究中国证券投资基金的流动性择时能力与风格转换能力。结果表明,中国的证券投资基金不具有流动性择时能力,同时也不具有市场收益择时能力与市场波动择时能力;但是中国的证券投资基金表现出显着的流动性风格转换能力;市场流动性好时证券投资基金倾向于提高大盘股和价值凤的权重,降低小盘股和成长股的权重。(本文来源于《金融论坛》期刊2019年04期）
袁鹏[4]（2019）在《基于隐马尔可夫模型择时的FOF基金动量效应投资策略研究》一文中研究指出基金中的基金(FOF)作为一种特殊的基金,在金融市场上担任着重要角色。虽然FOF基金在中国市场起步较晚,但是随着国内基金市场规模的快速壮大和2016年中国证监会《公开募集证券投资基金运作指引2号——基金中的基金指引》的正式落地,公募FOF有望发展成为一类重要的投资品种,市场前景广阔。在此背景下,如何有效地从众多基金中筛选出优质的投资标的、如何在不同的市场周期下进行相应的资产切换成为了拓展FOF基金业务、提升投资绩效过程中亟待解决的问题。本文采取量化投资的方法,探索出一套根据市场周期切换动态调整FOF基金大类资产配置和基金投资组合的方案策划:运用动量效应选基策略结合基于隐马尔可夫模型对市场趋势的择时判断形成完整的选基+择时的资产配置方案,以期在保证较小投资回撤的条件下达到较为理想的投资收益。为此,本方案策划首先以动量效应理论为选基策略的指导基础,将不同类别基金分别在样本周期内根据不同选基指标的表现情况好坏分别进行排序,并按前2.5%的比例选出各个指标表现最好的基金等权构成投资组合,同时,安排以月度、季度和半年度的持仓期在整个回测区间内定期按照上述方法更换持仓组合,以绝对收益和相对收益的角度观察不同类别基金在不同选基指标及不同持仓周期内的动量效应表现情况,以此选出最佳参数组合的选基策略。其次,运用隐马尔科夫模型的进行市场择时。本文对样本周期长度和隐状态个数通过绝对收益和相对收益的比较挑选出最佳的模型参数组合。然后选取最优样本期长度的上证指数一日对数收益差、上证指数五日对数收益差、上证指数当日对数高低价差、上证指数日成交量、两市对数融资余额差作为隐马尔可夫模型的观测向量,对隐马尔科夫模型进行参数训练,并按月度区间为调参周期定期更新参数,对模型预测期内的每一个交易日的市场状态进行逐日预测。最后,综合上述思路,建立动量效应表现较好的基金类别作为主要持仓,少量与大盘走势相关性不强,动量效应不明显的基金类别作为次要持仓的持仓策略,并选取两类持仓资产相应的最优选基指标和持仓周期作为隐马尔科夫模型预测大盘上涨状态中的选基策略;根据动量效应表现相对较差,对市场波动不敏感的基金类别作为主要持仓,少量动量效应明显且波动相对较小的基金类别作为次要持仓的持仓策略,并选取两类持仓资产相应的最优选基指标和持仓周期构成隐马尔科夫模型预测大盘下跌状态中降低风险的选基策略。在上述投资方案下,本文在2012年1月1日-2018年6月1日的回测区间内,在80%混基+20%债基(上涨)/80%债基+20%混基(下跌)的持仓策略下,由债券型基金的月度信息比率选基指标和混合型基金的月度X比率选基指标组成的“IR(Bund)+XR(Hybrid)”选基策略在长达六年半的回测区间里平均年化收益达到15%,取得了接近11%的超额收益率,同时将最大回撤控制在了10%的区间内。根据本文提出的方案设计,首先本文认为动量效应在证券投资市场上确实存在,但持续时间较短,可以利用此效应作为短线投资的参考,在具体的投资过程中可以搭配动量效应表现不同的基金类别在不同的市场周期下进行资产切换以取得稳定增长的收益和较小的回撤水平。其次,隐马尔科夫模型作为一种模式识别的方法,在预测市场趋势方面能够达到较好的效果,在具体的操作过程中,由于证券投资市场的波动瞬息万变,训练集的样本周期时间跨度选择不宜过大,并需要定期进行模型调参,以动态调参的隐马尔科夫模型进行市场趋势的预测能够取得更好地效果。(本文来源于《上海师范大学》期刊2019-02-28）
王姣[5]（2018）在《南华期货副总经理朱斌：2019年A股有两次择时投资机会》一文中研究指出“目前A股已经处于历史罕见低估值位置，中长期投资的机会大于风险。”南华期货副总经理朱斌昨日接受中国证券报采访时表示，展望2019年，股指走势呈现N型的概率较大，即有两次择时投资机会：一是即将展开的由于政策预期而引起的春季行情，二是下半年在稳经济刺激下(本文来源于《中国证券报》期刊2018-12-21）
张楠[6]（2018）在《中国社保基金投资减持的市场择时及其影响因素研究》一文中研究指出随着社会发展的推进和人民生活水平逐步提高,中国社会保障制度面临着顺应时代需求的改革与完善。作为社会保障制度中重要组成部分的全国社会保障基金(简称“全国社保基金”),已逐渐成为大众密切关注的问题之一。社保基金在国民生计中发挥的主要作用在于补充今后人口老龄化高峰时期的社会保障和其他社会保障需求,是由中央政府集中管理的重要社会保障战略储备。从国家与社会的总体角度来看,社保基金的投资运营对经济的稳健发展以及社保制度与体系的构建都起着至关重要的作用。随着社保基金的筹集方式由现收现付制向部分累积制的转变,基金规模也在不断扩大。社保基金也因其庞大的资金存量成为现今投资市场中十分重要的机构投资者之一。并且由于资金的特殊性质,社保基金的投资行为更是聚焦了众多投资者的关注。然而,随着日渐严峻的人口老龄化问题、社会保险覆盖面的持续扩展,如何解决补足社保基金的缺口以及实现其保值增值己成为社保基金运营与投资管理的核心问题。此外,随着《基本养老保险基金投资管理办法》的出台,我国地方养老保险业也正式迈入大规模投资运营阶段。前证监会主席郭树清曾作出表示,对养老金实施统一管理,借鉴社保基金投资的模式与经验取得收益具有重要意义。据此,为对养老金入市起到重要的指导作用,改善社保基金投资运营系统的科学性与有效性是理论与实务共同关注的焦点问题。本文将市场择时理论与社保基金投资的特殊性质相结合,从减持行为这一细分层面入手,探究社保基金投资的择时能力。以社保基金投资组合持股的中国上市公司作为总样本,从减持价格与减持比例两个方面证明社保基金投资在减持时进行市场时机选择的存在性。运用Heckman两阶段模型探究对社保基金投资减持的市场时机选择行为的影响因素。实证结果分析得出社保基金减持进行市场时机选择除其自身特殊属性外,还受被持股公司的股权结构性质与价值的影响。最后,本文综合当前的制度因素以及投资环境,归纳基本结论,总结适用于我国社保基金投资运营的政策建议,从而为增强社保基金投资能力与养老金入市获得有效的学习经验,落实最终保值增值目标,提供科学的理论支持。(本文来源于《东北财经大学》期刊2018-10-20）
王超凡[7]（2018）在《基于股指波动相关性的选股择时量化投资策略研究》一文中研究指出随着大数据时代的到来和人工智能的发展,量化投资已逐渐替代人工投资进行咨询理财投资服务。量化投资策略也可被称作机器人投资顾问、智能投资理财、自动化投资理财等。通过大数据与智能算法建立量化模型,依据投资者风险偏好,对市场进行判断,对资产进行智能化配置和投资,实行自动策略交易服务。量化投资能够全方位的考察市场的趋势状况,对其投资者财富进行精确配置,包括多种资产区间配比,如股票、期货、基金、保险等。相比于传统分析师来说,量化投资在为客户提供数字化资产配置时,可以提高收益的精确性,降低时间成本和人力成本,提高服务效率。同时给分析师一个优秀的投资工具,为分析师的工作提供巨大的支持。本文引入机器学习方法,添加一些变量和指标,试图找到能够战胜市场并战胜市场上一些量化产品的策略。经过不断尝试,本文设计了基于支持向量机选股和大盘股指波动择时的量化投资策略。在选股策略中,首先将沪深300指数成分股的数据因子进行分类,分为技术指标类因子、公司基本面类因子、舆情指标类因子叁大类,再根据收益率排名是否为前50%或后50%设定二分类的因变量。最后通过支持向量机进行模型训练,选出股票。在择时策略中,将大盘风格进行分类,分为反转、趋势、震荡。当将大盘风格归于“反转”,且平滑后的单向波动率为负时,持有股票;当大盘风格归于“趋势”,且平滑后的单向波动率为正时,持有股票;当大盘风格归于“震荡”时,也选择持股票。其余情况均为卖出股票。通过实证研究表明,通过支持向量机选股和股指波动择时的设计理念构建出来的投资组合产品,无论是在累计收益率和年化收益率上,都显着优于沪深300指数,证明了策略的有效性和产品的优异性,肯定了本文的价值。从累计收益率来看,本文构建的投资组合产品年化收益率为25.9%,同时间段内沪深300指数的年化收益率为18.0%。在回测期间,其年度回测收益率均为正值,除2014年以外均跑赢沪深300指数涨幅。在风险控制方面,本文根据沪深300指数波动率设计了创新型择时指标,通过实证可以发现在碰到极端行情时,能够有效的发出信号,减少投资者的损失,控制最大回测。同时通过Brinson分析可以发现的产品在板块中择股能力较强。因此可以通过研究行业资产配置来大幅提升产品的收益率;通过净值回归分析,可以发现本文的产品风格在3年期间是并未改变的,保持投资高价值高流动性的股票,可见本文设计的量化产品具有一定的实用性。随着科学的进步、计算机技术的发展和普及、交易费用的降低等等,市场必定越来越接受量化投资,发现量化投资的价值,量化投资必定有一个美好的未来。(本文来源于《上海师范大学》期刊2018-09-01）
韩雨芙[8]（2018）在《专家：价值投资也需择时择价》一文中研究指出今年以来，A股市场整体呈现振荡下行态势。对此，中国绝对收益投资管理协会常务理事、上海金融学院教授鹿长余表示，虽然今年股市的回调幅度超出预期，但应理性分析市场下跌，价值投资也需择时、择价。在鹿长余看来，过去两年受益于供给侧改革、去杠杆等政策，钢铁(本文来源于《期货日报》期刊2018-07-19）
刘明[9]（2018）在《悟空投资鲍际刚：宏观择时量化选股 攻守平衡稳健制胜》一文中研究指出深圳悟空投资管理有限公司董事长鲍际刚是一个“研究型”职业投资人。《行业量化投资分析——从混沌到秩序的行业演进》《熵控网络——信息论经济学》《信息·熵·经济学——人类发展之路》等，这些书的作者正是鲍际刚。每年鲍际刚还与清华大学等高校共同举办熵控网络研讨会，(本文来源于《中国基金报》期刊2018-07-09）
杨志堃[10]（2018）在《基于择时策略和选股策略的量化投资策略构建》一文中研究指出量化投资相较于传统的投资方法是一种较新型的投资方法,它有着可以不受情绪左右、快速地获取并处理大量数据等特点,同时也有着保持投资逻辑和分析方法的一致性的优势。我国的量化投资相比于发达国家而言仍处于起步阶段,相关理论及实证结果还并不完善,金融产品和市场规范也还在不断改进和充实。在这种背景下,比较新型的量化投资便具有很大的研究价值和发展空间。传统的量化投资策略分为择时策略和选股策略,前者偏向于使用技术分析的手段,主要依靠资产成交的量价数据来进行研究;后者侧重于基本面的分析,自上而下从宏观经济到产业发展再到企业的财务状况,以期挖掘到企业的内在价值。本文使用2013年2月1日至2018年2月1日我国A股市场的数据,选择研究标的为沪深300成分股,探究择时策略、选股策略和基于上述两种策略的复合量化投资策略的有效性。文章首先介绍了研究背景和意义,分别阐述了国内外学者对量化投资的研究现状及相关理论背景。之后分叁个部分构建量化投资策略并进行实证检验。第一部分以海龟交易法则为代表建立了择时量化投资策略,研究其经典参数和优化参数下的不同表现,最终择时策略的年化收益率为48.9%,Sharpe比率为1.13;第二部分以多因子策略为代表构建了选股量化投资策略,选择经过单因子检验后表现有效的12个因子,使用打分法建立了多因子策略,最终选股策略的年化超额收益率为11.0%,Sharpe比率为0.83,但最大回撤只有11.3%;第叁部分结合上述的研究成果形成了复合量化投资策略并进行了参数优化,得到复合策略的年化收益率为38.6%,Sharpe比率为0.94,最后对比分析了单一策略和复合策略的优劣性和适用性。结果表明,研究的叁种策略都能够打败市场,取得超额收益,是有效的策略。而这叁种策略分别适用于不同的投资者。择时策略适用于能承担高风险的投资者;选股策略适用于风险厌恶程度较强,同时资金量充足的投资者;而复合策略适用于能承受一定风险,同时资金量不那么大的投资者。文章的最后进一步总结了研究结论,并结合最新的研究成果提出了策略未来可改进的方向。(本文来源于《兰州财经大学》期刊2018-05-31）
投资择时论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着中国金融市场逐渐开放,金融秩序不断完善,量化投资在中国越来越受到重视。量化投资指通过寻找经济金融数据之间的关系,以获得稳定利润和超额收益为目的数量化投资。在量化投资中,股票多因子模型是应用比较广泛的模型结构,其发展历程由CAPM模型的单因子模型开始到APT模型再到着名的叁因子模型,折射出了股票多因子模型背后的强大生命力。而单因子挖掘作为股票多因子模型最基础的工作自然是重中之重,没有具有显着盈利效应和稳健性的因子,多因子模型的超额收益自然无从说起。因此,本文以沪深300成分股为样本股票池,选择样本期为2012年1月到2019年1月的月度样本股票价格数据,使用第叁方平台聚宽基于Python的研究模块实现数据清洗、去极值、标准化、市值行业中性化,再使用RLM回归模型对候选因子集中因子进行回归分析,在候选因子集中检验各个因子,并且通过检验收益率序列T值和IC均值、IR值等逐步筛选显着因子,缩小具备显着性的因子集,最终在显着因子集间相进行关性检验,取得相关系数矩阵,得出长期来看显着的因子有BP因子、ROE因子、反转因子、市值因子。在对有效因子进行金融逻辑判断后,筛选出BP因子和ROE因子作为基本股票多因子模型的核心因子并使用ICIR值作为其相应权重值,使用打分排序法作为其基本逻辑框架,在样本期对该模型进行绩效评估,并且使用RSRS技术择时指标对模型进行优化,使模型获得稳定超额收益的同时,减少绝对收益的损失。在对比相同策略的量化私募绩效指标后,发现经过RSRS优化后的股票多因子模型绩效指标显着战胜量化私募中位数指标。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
投资择时论文参考文献
[1].董竹,周悦.惯性效应、择时策略与投资价值——基于农业板块股票的实证研究[J].农业经济与管理.2019
[2].吴海韬.基于RSRS择时指标的量化投资选股多因子模型优化研究[D].广西大学.2019
[3].高金窑,王庆瑜.证券投资基金的择时与风格转换——基于市场流动性视角的研究[J].金融论坛.2019
[4].袁鹏.基于隐马尔可夫模型择时的FOF基金动量效应投资策略研究[D].上海师范大学.2019
[5].王姣.南华期货副总经理朱斌：2019年A股有两次择时投资机会[N].中国证券报.2018
[6].张楠.中国社保基金投资减持的市场择时及其影响因素研究[D].东北财经大学.2018
[7].王超凡.基于股指波动相关性的选股择时量化投资策略研究[D].上海师范大学.2018
[8].韩雨芙.专家：价值投资也需择时择价[N].期货日报.2018
[9].刘明.悟空投资鲍际刚：宏观择时量化选股攻守平衡稳健制胜[N].中国基金报.2018
[10].杨志堃.基于择时策略和选股策略的量化投资策略构建[D].兰州财经大学.2018