导读:本文包含了股指期货交易策略论文开题报告文献综述及选题提纲参考文献，主要关键词:程序化交易,沪深300股指期货,量化指标
股指期货交易策略论文文献综述
李岳男[1]（2019）在《沪深300股指期货程序化交易策略设计》一文中研究指出近年来,随着计算机技术和通信技术的发展,金融领域的创新层出不穷。程序化交易作为一项金融创新成果,在国外交易市场上己经逐步取代了人工交易成为主要的交易方式之一。我国程序化交易发展起步较晚,但是也得到越来越多投资者的认可。在国内外学者对程序化交易的研究中,设计交易策略是一个研究重点。交易策略是反映投资者交易理念的公式和代码,投资者通过交易策略来完成交易。目前我国交易策略的应用主要集中在机构投资者,个人投资者难以使用复杂的交易策略。因此,通过分析程序化交易进而构建交易策略,对指导投资者交易具有重要的理论和实际意义。文章旨在设计程序化交易策略,并运用于股指期货市场。第一部分首先介绍了本文研究的背景和意义以及国内外相关研究文献,然后阐述了文章的内容、研究方法和创新之处。第二部分对沪深300股指期货进行介绍,并介绍了程序化交易、交易策略的设计等相关内容。第叁部分详细分析了程序化交易常用的模型及其应用方法。第四部分设计了基于MACD指标和KDJ指标的程序化交易策略,并对不同K线周期的数据进行比较分析。第五部分对交易策略的绩效图进行分析,并对交易策略进行设计和优化。根据对程序化交易策略的设计及优化过程,发现基于单个技术指标设计的交易策略,在实盘交易中存在收益率偏低、风险控制能力差等缺点。通过将两个技术指标相结合来设计交易策略,能够克服以上缺陷,更好地满足实际投资者的需求。(本文来源于《沈阳工业大学》期刊2019-06-03）
韩晴[2]（2019）在《基于HMM的股指期货交易策略及优化研究》一文中研究指出目前我国发展量化投资的市场条件已经逐步成熟,量化投资交易以其成本低、业绩优的特点得到了迅猛发展。量化投资的核心要素是股价趋势预测,股价变幻莫测,但会以趋势的形式波动,趋势一旦确立,价格将会不断上涨或下跌,直到出现反转。如何准确预测股价走势,选择合适的预测方法针对股价制定策略成为了投资领域研究的热点。传统股价预测方法,如ARIMA、GARCH等模型,要求时间序列是平稳的,且数据呈现正态分布。而股票市场常受多种随机因素影响,数据呈现非稳态特征,采用传统股价预测方法建模时可能会忽略部分有效信息,使结果存在偏差。本文选择创新型股价预测方法—HMM预测方法,对传统预测模型要求数据稳态进行了改进,考虑了随机过程对股价的影响,避免由于训练参数过多而导致模型过拟合问题,提高了模型的稳定性,动态刻画了价量推动过程。本文在研究背景及相关文献梳理的基础上,按照提出研究假设--构建策略模拟实验进行论证的思路。首先,构建传统HMM预测模型,采用滑动窗口训练法对训练集、测试集样本进行滚动建模,通过Baum-Welch算法连续训练模型直至获取最佳参数估计,利用Viterbi算法对预测集数据进行状态解码,识别历史中与似然值最接近的数据模式,采用单日预测法对交易日涨跌进行预测,根据模型预测的涨跌信号进行交易。其次,构建基于小波去噪的HMM量化择时策略进行优化分析,由于股票市场受多种随机偶然因素的影响,存在噪声,同时又具有非平稳、非线性等特征,通过引入小波去噪分析对原始股价信号进行优化处理。最后,对优化前后策略的绩效进行对比研究。研究表明:(1)HMM对股指期货的预测准确率较高,基于HMM对股指期货的量化投资策略收益显着高于大盘,表明HMM的预测研究具有有效性。(2)由于小波去噪具有很好的消噪效果,经过小波分解、消噪及重构后的原始信号能显着降低噪声,并通过仿真模拟实验验证了小波消噪的显着性和有效性。在类似风险的情况下,优化后的HMM对股指期货的择时策略相比传统HMM策略具有更好的投资表现,策略绩效明显提升,模型效果显着提高。同时也证明了基于小波去噪的HMM在量化投资中具有广阔的应用前景和潜在的巨大收益。(本文来源于《西北大学》期刊2019-06-01）
贾秀娟[3]（2019）在《基于支持向量机的股指期货交易策略研究》一文中研究指出股指期货可以“反向交易”,既可做多,也可做空,具有价格发现、套期保值等多种功能。同时,股指期货交易具有高杠杆性,风险巨大,因此能否对股指期货的价格运行趋势进行大概率准确的预测对实战成功具有现实指导意义。对于金融数据的预测,传统预测方法包括基本面分析、技术分析以及时间序列分析等。但是,面对非线性的金融数据,这些方法存在着各种各样的局限,预测效果也不是很理想。随着统计学理论、数据挖掘以及人工智能技术的发展,更多的机器学习方法被应用到金融数据领域,并且取得了不错的效果。支持向量机作为近年来机器学习领域的研究热点,由结构风险最小化的统计理论发展而来,具有较强的泛化能力。由于支持向量机在预测小样本、非线性数据具有一定的优势,于是,本文建立了基于支持向量机的股指期货价格分类预测模型,并在此基础上构建了相应的交易策略。本文以我国上证50股指期货为研究对象,将期货价格的未来趋势划分为涨、跌两种,通过历史交易数据来预测未来交易价格的涨跌情况。具体过程如下:(1)基于鞅理论利用历史数据找出收盘价的异常值,即“离群点”数据,对样本进行筛选,从而实现数据的清洗。(2)选择影响期货价格的相关指标时,本文选择了7个基本行情指标和18个技术指标。为统一指标的量纲,采用最大-最小值标准化法对数据进行归一化。另外,为避免指标之间的信息重迭,采用主成分分析法对数据进行降维处理。(3)为提高分类预测模型的精度,本文采用了网格搜索、遗传算法和粒子群算法,对支持向量机的两个参数进行寻优,从而建立分类预测模型。(4)利用训练集得到的模型对测试集样本进行预测,发现基于粒子群算法的支持向量机分类预测模型的预测效果最好,价格预测的准确率达到62%。基于上述做法,本文利用最优的分类预测模型,建立初步的股指期货交易策略。通过回测实验计算交易策略的各项指标数据,验证了基于支持向量机的交易策略具有68.29%的获胜率,并且收益率跑赢同期大盘。(本文来源于《安徽大学》期刊2019-05-01）
贾柠羽[4]（2019）在《基于GARCH模型的股指期货量化交易策略设计》一文中研究指出我国的金融市场处于高速发展期,可供投资者选择的交易品种也越来越多。如何选择合适的交易品种以及如何寻找恰当的下单时机是众多投资者在投资过程中需要谨慎考虑的问题,传统的手动交易由于受到投资者的主观影响比较大,已经无法满足现代交易的需求,加之现在量化投资技术的发展,越来越多的投资者开始借助统计和数学模型构建量化交易策略进行投资。同时,应运而生的量化交易平台也为量化策略的编写者提供了量化策略回测功能,通过对回测结果显示的回测指标如超额收益率、最大回撤比、夏普比率等进行分析,能够对量化交易策略进行针对性的修正和优化,以此来满足投资者的风险偏好要求,并把表现良好的量化交易策略运用到实际投资交易中,保证获得最大超额收益。本文旨在解决Z期货公司实际投资中遇到的问题,弥补其在统计套利交易策略研究方面的不足。在正常市场状态下,证券资产价格不会出现较大的波动,其波动性基本是稳定在一个区间内,通过分析波动性能够帮助投资者更好的识别风险区间,从而更加有效准确的制定量化交易策略进行投资进而控制风险。根据Z期货公司的实际交易情况,选择沪深300股指期货的高频时间收益率序列作为研究对象,同时考虑到金融高频时间序列存在尖峰厚尾,波动性大等特性,本文采用GARCH模型进行波动性分析,建立均值方程和方差方程,最后,根据GARCH模型对残差波动性的分析结果,设计了一套日内量化交易策略,通过历史数据回测验证策略的可行性,并对策略风险收益特点进行了分析,设计出的量化交易策略对于Z期货公司而言,具有实际参考意义。(本文来源于《南京航空航天大学》期刊2019-03-01）
王子通[5]（2019）在《基于XGBoost的沪深300股指期货交易策略研究》一文中研究指出股票指数是为度量股票市场总体价格水平变动趋势而编制的价格指数,它能够灵敏的反映出所在国经济的变化状况,因而有现代经济“晴雨表”的称号。以股票指数为交易对象的股指期货也因此有着巨大的投资价值,国内外很多研究者都一直在尝试用各种方法对其价格变化进行预测。XGBoost(eXtreme Gradient Boosting)是一种比较新的机器学习算法,具有较高的运算效率和准确率,基于这一算法建立模型对股指期货价格进行预测,能够在投资者进行投资决策时起到一定的帮助,具有较强的理论和现实意义。本文在前期对证券价格预测模型的研究及相关文献梳理的基础上,通过优化输入向量及采取更为科学的对抗过拟合的方法,提升了XGBoost算法在股指期货价格上的预测效果。首先,本文对沪深300指数在样本区间内的走势做了深入的分析,建立了包含趋势型、超买超卖型、成交量型、停损型四大类共计46个技术指标的因子池,以保证股指期货价格中所包含的信息能够得到充分的挖掘。其次,依据XGBoost模型在训练完成后计算出的各个特征的重要性得分,筛选出重要性排名较高的特征作为预测模型的输入向量,这一做法在降低了模型的复杂度的同时,也提高了模型的预测效果。在对抗模型的过拟合问题上,本文从理论层面上对传统交叉验证法和时序交叉验证法进行了区分,并对传统交叉验证法易造成模型出现过拟合的原因进行了深入分析。实证研究的结果表明,与传统交叉验证法相比,时序交叉验证法无论在模型的预测效果,还是在运算速度上都更具有优势。据此,本文构建了基于XGBoost的沪深300股指期货的交易策略,并将该策略在样本外的回测绩效与基于随机森林模型所构建的交易策略进行了对比,结果表明前者取得了较高的收益。最后,本文总结了预测模型和投资策略构建过程中的不足,并对未来的改进和研究指明方向。(本文来源于《西北大学》期刊2019-03-01）
张玉希[6]（2018）在《高频数据下的沪深300股指期货量化交易策略设计》一文中研究指出自2006年9月8日中国金融期货交易所(CFFEX)在上海期货大厦挂牌,沪深300股指期货合约紧随其后,于2010年4月16日正式上市交易,这对于我国资本市场的深化改革,资本市场功能的发挥和体系的完善都具有长远的意义,同时,也标志着我国金融衍生品市场的发展进入到一个新的时期。目前股指期货在中国仍处于刚刚起步的阶段,很多制度还在不断的健全和完善,我国的量化交易在2014年、2015年处在发展的黄金时期,规模迅速扩张。在经历过2015年6月股灾之后,股票市场和期货市场纷纷下跌。2017年以来A股市场走出了分化行情,再加上2016年末,期指交易进一步被限制,套利与中性策略相应失效。在这种不佳的量化投资环境下,整体遭遇了“寒冰期”。进入2018年以来,随着国内经济市场的不断开放,利用数学建模和统计学相关方法对交易策略进行构建和优化,不断适应经济大势的发展,优秀的量化交易策略必将对投资者带来一份可观的收益。近年来,随着互联网技术的迅猛发展,我国网络提速即将进入5G时代,通过计算机的海量计算能力,为各种金融策略和高频数据下的量化交易提供了更加快捷有效的实践手段。在传统的人工手动策略设计及下单过程中,往往无法避免人工较低的反应力和执行速度、无法避免人工错误和疏漏的出现,无法克服人性的贪婪,也无法抓住一些转瞬即逝的获利空间。因此,在当前的高频环境下,通过获取高频分钟数据设计量化交易策略,使计算机语言对交易者的策略和思想进行固化,自动下达交易指令,能够更加有效地提高数据获取和处理能力,在最大限度上把握交易的最佳时点,在高频环境下通过更高的交易频率来积累更多稳健的收益和风险控制能力。本文从双边交易入手,选择套利交易的模式,在当前高频数据的环境下,利用股指期货行情波动的聚集性对高频数据建立ARCH族模型,设计跨期套利策略对其价差的波动性进行预测,达到一定成本下具有稳健收益的目标。在本文所构建的基于沪深300股指期货市场上的跨期套利交易策略中,通过建立改进的AR(4)-EGARCH(1,1)模型,通过止损点的设置将回撤降低到很小,并且根据交易阈值的大小匹配不同风险偏好的投资者,具有稳定可观的收益。但随着手续费的调整变动,如今,平今手续费是平昨手续费30倍的现实情况下,原本高频交易中可观的收益将会被高昂的平今手续费不断稀释。我们根据横向比较列出了不同交易阈值下交易全部按照正常手续费收取和按照30倍收取时的两种收益情况做出对比,足以说明交易所对手续费率设置比率的良苦用心。可见,后续策略的研究方向在高昂手续费的情况下,尽量抑制平今仓的交易才是上策。此外,对测试集数据根据一分钟、叁分钟、五分钟的数据频率作出纵向比较,该策略下年化收益率由一分钟数据交易下的5.44%降至五分钟数据下的2.66%,得到跨期交易需要使用一分钟甚至更高频数据使交易获取更多获利机会的结论。随后最后在全文的基础上对上述策划的方案进行了总结和展望。(本文来源于《上海师范大学》期刊2018-08-01）
滕永平,吴迪[7]（2018）在《沪深300股指期货程序化交易策略比较分析研究》一文中研究指出程序化交易策略在金融市场上逐步占据重要位置,它设定一种投资交易的策略,通过计算机完成,可以防止人为因素干扰,降低投资风险。选择2010-12-22至2017-9-7沪深300股指期货主力合约每一天的收盘价作为研究数据。分别从技KDJ和均线两方面进行分析,对比得出投资者采用以5日线为判断依据进行交易的这种程序化交易策略可得到更大的收益。(本文来源于《现代经济信息》期刊2018年01期）
张剑,王波[8]（2017）在《基于SVM的沪深300股指期货量化交易策略》一文中研究指出基于支持向量机(svm)理论建立沪深300股指期货量化交易模型,与传统对期货价格走势进行绝对预测的回归预测方法不同,模型利用支持向量机在处理非线性系统中的分类优势,将价格未来变化的趋势转化为交易信号,把一个复杂的时间序列回归预测问题转化为二分类问题.接着,把价量信息和技术指标分别作为输入向量,再引入止损机制,在动态预测模型上构建量化交易策略.采用历史数据对策略进行回测仿真,实证结果表明,价量信息交易策略表现要好于技术指标交易策略,量化交易模型总体取得了较好的盈利效果.(本文来源于《数学理论与应用》期刊2017年02期）
郭超[9]（2017）在《基于改进海龟交易策略的股指期货程序化交易研究》一文中研究指出随着金融市场的不断繁荣,网络信息技术的高速发展以及越来越多的用户参与,市场对期货交易的参与方式提出了更高的要求和期望,程序化交易已经逐渐成为主流期货交易方式。本文以经典的海龟交易策略为基础,对其进行改进,在控制风险的同时追求更高的投资回报和更高的资金利用率,为投资者提供具有实际意义的策略建议。本文在研究传统海龟交易策略的基础上,改进原有的交易规则,从入市、加仓、止盈、止损、仓位控制等多方面形成新的完整交易策略,并在交易开拓者平台上构建程序化交易模型。模型包含叁个主要部分,市场状态指示器、子系统一和子系统二。利用指示器辨别市场运行的不同状态,不参与无序行情,在趋势和震荡行情分别用子系统一和子系统二进行交易。建模完成后,用历史数据回测其运行效果,并与传统海龟策略模型进行比较。在确认改进模型有效的基础上进行参数优化,追求最大化的收益风险比。分析结果表明,改进后的模型比传统海龟策略模型更高效稳定,在进行参数优化之后,具有更强的盈利能力和风险控制能力,改进后的模型能在实际的交易环境中为投资者提供更有效的参考,具有较强的实际意义。(本文来源于《西安财经学院》期刊2017-06-01）
王小可[10]（2017）在《股指期货与国债期货联动性研究及其组合交易策略设计》一文中研究指出股指期货与国债期货,分别是指以股价指数和国债指数为标的的标准化期货合约,股指期货合约和国债期货合约分别于2010年4月16日和2013年9月6日在中国金融交易所上市交易,这标志着我国期货市场实现了从商品期货到金融期货的革命性转变,场内金融衍生品体系在不断完善。沪深300股指期货合约已成长为全球交易量最大的股指合约,同时国债期货成交量也显着提升。本文结合我国金融市场运行的实际状况,以股指期货与国债期货作为投资标的,在探讨国债期货与股指期货联动性的基础上,分步骤建立适合国内金融市场的股指与国债期货相结合的组合投资策略与投资模型,并利用我国金融市场的实盘数据进行实证分析。首先我们对股指与国债期货组合联动关系进行分析。我们用模型对股指期货价格和国债期货价格联动存在性和特征进行实证分析。依据实证分析结果,我们发现股指期货价格与国债期货价格存在负相关性。在这一研究结果基础上,我们利用股指期货与价差存在的相关性,构建了EMA模型与CUSCORE模型进行跨品种套利。通过数据回溯,结果表明这一综合策略表现良好。本文研究意义在于通过定性分析股指与国债期货的内在机制与实证研究,探讨股指与国债期货的联动关系,并根据联动关系特点,选择进一步研究的切入点,并设计股指期货与国债期货组合的交易策略。基于联动关系的组合交易策略研究,是将股票市场与债券市场联动关系运用到交易投资方面的又一个拓展,对投资者甚至对整个金融衍生品市场的套利交易具有一定的参考价值和现实意义。(本文来源于《东南大学》期刊2017-05-01）
股指期货交易策略论文开题报告
（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：
目前我国发展量化投资的市场条件已经逐步成熟,量化投资交易以其成本低、业绩优的特点得到了迅猛发展。量化投资的核心要素是股价趋势预测,股价变幻莫测,但会以趋势的形式波动,趋势一旦确立,价格将会不断上涨或下跌,直到出现反转。如何准确预测股价走势,选择合适的预测方法针对股价制定策略成为了投资领域研究的热点。传统股价预测方法,如ARIMA、GARCH等模型,要求时间序列是平稳的,且数据呈现正态分布。而股票市场常受多种随机因素影响,数据呈现非稳态特征,采用传统股价预测方法建模时可能会忽略部分有效信息,使结果存在偏差。本文选择创新型股价预测方法—HMM预测方法,对传统预测模型要求数据稳态进行了改进,考虑了随机过程对股价的影响,避免由于训练参数过多而导致模型过拟合问题,提高了模型的稳定性,动态刻画了价量推动过程。本文在研究背景及相关文献梳理的基础上,按照提出研究假设--构建策略模拟实验进行论证的思路。首先,构建传统HMM预测模型,采用滑动窗口训练法对训练集、测试集样本进行滚动建模,通过Baum-Welch算法连续训练模型直至获取最佳参数估计,利用Viterbi算法对预测集数据进行状态解码,识别历史中与似然值最接近的数据模式,采用单日预测法对交易日涨跌进行预测,根据模型预测的涨跌信号进行交易。其次,构建基于小波去噪的HMM量化择时策略进行优化分析,由于股票市场受多种随机偶然因素的影响,存在噪声,同时又具有非平稳、非线性等特征,通过引入小波去噪分析对原始股价信号进行优化处理。最后,对优化前后策略的绩效进行对比研究。研究表明:(1)HMM对股指期货的预测准确率较高,基于HMM对股指期货的量化投资策略收益显着高于大盘,表明HMM的预测研究具有有效性。(2)由于小波去噪具有很好的消噪效果,经过小波分解、消噪及重构后的原始信号能显着降低噪声,并通过仿真模拟实验验证了小波消噪的显着性和有效性。在类似风险的情况下,优化后的HMM对股指期货的择时策略相比传统HMM策略具有更好的投资表现,策略绩效明显提升,模型效果显着提高。同时也证明了基于小波去噪的HMM在量化投资中具有广阔的应用前景和潜在的巨大收益。
（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。
股指期货交易策略论文参考文献
[1].李岳男.沪深300股指期货程序化交易策略设计[D].沈阳工业大学.2019
[2].韩晴.基于HMM的股指期货交易策略及优化研究[D].西北大学.2019
[3].贾秀娟.基于支持向量机的股指期货交易策略研究[D].安徽大学.2019
[4].贾柠羽.基于GARCH模型的股指期货量化交易策略设计[D].南京航空航天大学.2019
[5].王子通.基于XGBoost的沪深300股指期货交易策略研究[D].西北大学.2019
[6].张玉希.高频数据下的沪深300股指期货量化交易策略设计[D].上海师范大学.2018
[7].滕永平,吴迪.沪深300股指期货程序化交易策略比较分析研究[J].现代经济信息.2018
[8].张剑,王波.基于SVM的沪深300股指期货量化交易策略[J].数学理论与应用.2017
[9].郭超.基于改进海龟交易策略的股指期货程序化交易研究[D].西安财经学院.2017
[10].王小可.股指期货与国债期货联动性研究及其组合交易策略设计[D].东南大学.2017