导读:本文包含了动量因子论文开题报告文献综述及选题提纲参考文献，主要关键词:动量因子,定价因子,反转效应,资产定价模型
动量因子论文文献综述
张航[1]（2019）在《基于动量因子的股市反转效应研究》一文中研究指出股市的反转效应是指历史收益低的股票在将来一段时间后收益率反超了历史收益率高的股票。在有效市场假说中,这种现象是不存在的,即使是弱有效市场,股价中也包含了历史价格信息。但投资者并非理性,投资者对信息的过度反应、过度自信和追涨杀跌等非理性行为是客观存在的。本文对我国A股市场2005年5月至2018年8月动量效应进行了分析,在此基础上构建了加入动量因子的多因子资产定价模型,检验了资产定价模型的适用性并以此分析了 A股市场反转效应产生的原因。本文研究的第一部分通过计算周度、月度、年度不同观察期和持有期的赢家股票组合与输家股票组合收益率差值,发现我国股市在二至叁周内存在收益的惯性效应,在叁至六个月内存在收益的反转现象,融资融券制度对股市的动量效应有一定的抑制。在此基础上参考Fama-French类因子构建方法构建了以四个月为形成期,一个月为持有期的动量因子。第二部分以截距项和平方夏普比率为检验指标,选择了市场风险因子、规模因子、账面市值比因子、盈利因子和动量因子为有效因子,构建了四种嵌套式资产定价模型。在对我国资产定价模型的实证检验中,以市值规模、账面市值比和历史收益为指标构造5*5*5共125种投资组合,对定价模型进行时间序列回归检验,以拟合优度和GRS检验值发现:包含动量因子的四因子定价模型优于叁因子模型和包含盈利因子的四因子模型,其与五因子资产定价模型的拟合优度差异不大,两融机制实施后,资产定价模型的拟合优度有较大提升。同时资产定价模型对股市反转效应有很好的解释,实证检验发现赢家组合的收益主要来源于市场风险因子和规模因子溢价,而账面市值比效应和动量效应可能会对收益产生负影响;输家组合除了从市场风险因子和规模因子得到收益外,从动量因子和账面市值比因子中得到了显着的正向收益,经过稳健性检验这种影响是稳定的。因此,输家组合收益率反超赢家组合,从而产生了反转效应。(本文来源于《北京交通大学》期刊2019-06-03）
杨文龙,肖程望[2]（2019）在《一种具有自适应动量因子的BP神经网络算法实现》一文中研究指出互联网技术的快速发展给人们带来了海量的数据,极大地影响了消费者的选、购效率,高效的推荐系统变得尤为重要。传统的基于BP神经网络的协同过滤会导致局部极小值、收敛缓慢等问题。它通过改进BP神经网络算法,很好地优化了收敛缓慢的问题。解决方案是在增加动量项的基础上将动量项改为自适应的,使其能够实时变化,很好地解决了权值调整震荡导致的不稳定性。经实验证实该改进算法大大提高网络训练效率,并且提高推荐效率。(本文来源于《计算机与数字工程》期刊2019年05期）
王锦,赵德群,邓钱华,宋瑞祥[3]（2019）在《基于自适应动量因子的BP神经网络优化方法研究》一文中研究指出人工神经网络是模仿动物神经网络行为并执行分布式并行信息处理的数学模型。网络依赖于系统的复杂性,调整大量节点之间的连接,达到处理信息的目的。因BP神经网络具有自适应性、自组织性和实时性等特点。目前,它广泛应用于模式识别、预测估计、信号处理等领域;因BP网络是基于梯度下降法实现算法学习的,所以不可避免地存在算法收敛效率较低的情况,非常容易停靠在局部最小点上导致在预测问题上效果一般。如何优化改进BP网络一直是一个备受关注的焦点。本文从两方面着手改进BP神经网络,并以在出版物中的图像识别为应用进行研究,以求提高网络收敛性和预测精度。(本文来源于《现代信息科技》期刊2019年07期）
张庄昊[4]（2018）在《改进动量因子的四因子量化投资方案策划》一文中研究指出随着计算机技术在金融领域的影响力日益提升,以量化投资为代表的金融科技(Fintech)如今已在飞速发展的过程中,自2009年以来,我国市场中也逐渐产生了各类以量化投资为主要投资策略的各类基金。在西方的发达市场中,量化投资这一投资理念已存在了有30多年,并在欧美发达国家的市场取得了相当大的收益,正确利用合适的策略对于投资者进行量化投资具有一定的指导意义。本文针对Carhart四因子模型中的动量进行深入研究,以2012年至2016年的日交易数据作为样本内数据、2017年1月1日至2017年6月30日的交易数据作为样本外数据对所建立的策略进行比较分析,并选择沪深300指数成分股为股票池,作为较具有代表性沪深300指数,相比较于上证综指与深证成指,更能够体现市场的波动特征,且其成分股已经过一次筛选,剔除了一些特殊情况的股票,股票样本稳定性较高。本文首先从理论的角度出发阐述了动量策略、Carhart四因子策略以及改进动量的四因子策略的构建过程并以沪深300成分股作为样本对Carhart四因子模型的适用性进行了基于计量经济学的分析,同时阐述了对于动量因子的改进度量方法。通过分析,得出Carhart四因子模型适用于我国目前市场情况的结论,同时说明了利用叁种不同方法来度量动量因子以改进四因子模型。本文根据理论分析,利用Python语言作为工具,在量化平台建立回测算法,并分别设置不同的调仓天数以及动量天数对历史数据进行回测分析,根据各个模型在不同条件下取得的样本内分析结果,选择各个结果中最优的参数进行样本外分析,发现简单的动量策略并不能取得超额收益反而会产生较大的亏损,而在特定参数设置下,Carhart四因子模型以及改进四因子模型能够取得较高收益,其中改进四因子模型取得了222.98%的收益,同期基准收益为41.11%。在样本外分析中,同样是改进四因子模型取得了最好的收益率。之后,本文对改进的四因子模型进行了可复制性分析及策略收益的稳定性分析,得到该策略在拥有有效止损指令的情况下能够减少回撤,并能够取得稳定收益。最后通过以上分析,对投资者提出了基于改进四因子策略的投资建议。(本文来源于《上海师范大学》期刊2018-03-18）
田野[5]（2016）在《基于动量因子的神经网络群电流负荷预测模型》一文中研究指出通过建立改进的4层神经网络群,以历史负荷电流作为样本进行训练,实现对于未来负荷电流的预测。针对传统BP神经网络易收敛到局部极值的问题,引入了动态调整的动量因子。为增强对于随月份动态变化较剧烈的负荷的预测能力,提出了BP网络群结构。数据模拟结果说明该算法具有高精确性,可有效估算出下一阶段线路电流负荷变化趋势值,并且预测速度满足实际使用要求。该模型可以用于监测重点单位用电负荷变化情况,及早提示供电单位采取相应措施,促进智能电网建设。(本文来源于《电力系统保护与控制》期刊2016年17期）
王晓宇[6]（2016）在《基于可变动量因子与可变步长的盲分离的研究》一文中研究指出本文首先介绍了盲源分离的背景和基本理论,针对自然梯度盲源分离算法中存在的缺陷,在算法的当前自适应迭代规则中,部分的加入前一时刻的抽头系数的更新量,这样就起到了提高系统收敛速度和跟踪速度的目的,同时也改善了算法的分离性能。本文还在可变动量因子的算法中加入了自适应的步长,这样既可以加快算法的收敛速度,同时又可以减小算法的稳态误差,起到了优化算法的作用。(本文来源于《中小企业管理与科技(上旬刊)》期刊2016年07期）
程山[7]（2015）在《横动量因子化方案下B介子弱衰变次领头阶修正的研究》一文中研究指出B介子物理学作为弱作用有效哈密顿量理论和QCD因子化理论的交叉热点学科,对于精确检验粒子物理学的标准模型,寻找CP破坏的动力学机制,探索超出标准模型的新物理存在的迹象和证据都起到了举足轻重的作用。美国和日本的两个B介子工厂实验取得了巨大的成功,欧洲核子中心的大型强子对撞机(LHC)实验发现了全世界物理学家梦寐以求的Higgs粒子,日本的超级B工厂实验将在2017年投入物理运行。所有这些高能物理实验为B介子物理研究提供了强劲的实验推动。随着对B介子弱衰变过程可观测物理量的实验测量精度的不断提高,人们迫切要求提高重味物理研究的准确程度,要求进行次领头阶、甚至次次领头阶的计算,为海量实验数据的唯象分析提供充分的理论支持。同时争取解决一些长期存在的疑难问题、争取有所突破。基于横动量(kT)因子化定理,本论文对B介子两体非轻无粲弱衰变中相关的形状因子的微扰计算做了系统研究,在微扰QCD次领头阶水平完成了对部分次领头阶贡献的计算,得到一些有意义的结果。在提高pQCD因子化方法的计算准确度,改善pQCD因子化方法完整性的同时,作者试图寻找解决存在已久的“ππ反常”等疑难问题的方法,从不同的角度作出努力。在本论文的综述部分(第二、叁章),作者首先在第二章简单评述了粒子物理学标准模型理论的基本内容,然后介绍了重味物理中B介子的混合与衰变过程,以及处理这些过程的基本方法。在第叁章作者重点介绍了本文主体工作所采用的kT因子化定理和pQCD因子化方法,并详细的列举了在次领头阶计算中可能会出现的紫外和红外发散行为、以及对这些发散行为的处理方法。在第四章,作者对介子跃迁过程中红外发散的因子化问题做了全面、系统的综述和分析。作者在共线因子化方案下,研究了遍举过程πγ*→γ(π),B→γ(π)lv,在次领头阶辐射修正水平上给出了对红外区域的因子化证明,并将这些证明推广到涉及矢量介子的遍举过程ργ→π中,最后将共线因子化方案下的微扰因子化证明推广到包含横向动量的kT因子化方案下。在这些经典的跃迁遍举过程中,红外区域因子化的假设依然是成立的。其中从初末态介子外线夸克辐射出来的胶子所携带的红外信息(软和共线的动力学信息)都可以通过因子化被吸收到非微扰的普适的强子波函数的矩阵元定义中,而这些定义强子波函数的矩阵元中Wilson线的出现则保证了其规范不变性。论文的第五、第六章包含了论文的主要工作部分。在这两章中,作者在前面因子化证明的基础上,通过计算次领头阶的完整单圈图修正振幅和有效费曼图振幅,得到对于上述部分遍举过程的次领头阶硬核函数H的修正因子。作者在第五章计算了π介子的跃迁形状因子和电磁形状因子的次领头阶修正,给出了详细的解析计算过程,对如何分离红外发散做了详细讨论,并给出了数值结果。在第六章,作者详细计算了在B介子弱衰变过程中涉及到的对B→π跃迁形状因子和类时的标量π介子形状因子的次领头阶修正,并检验了这些新的次领头阶修正对于B→ππ衰变过程分支比的修正效应。作者在标准模型理论框架下,基于kT因子化定理,对所研究的问题做了系统的解析计算和唯象分析,得到以下几点主要结论：(1)对与πγ→γ过程对应的π介子跃迁形状因子,次领头阶修正会给领头阶形状因子带来～5%的增强。对πγ→π过程,对应的π介子电磁形状因子的次领头阶修正包括两部分：一部分是由于初末态介子最低阶Fock态波函数中2扭度(Twist-2)分量带来的,另一部分是由3扭度(Twist-3)波函数分量带来的。在pQCD适用的动量转移空间,其中2扭度的次领头阶修正会给领头阶形状因子带来～30%的提高,但3扭度的次领头阶修正和2扭度的次领头阶修正的符号相反,在部分抵消以后剩余的净增强是领头阶形状因子的大约20%。(2)在pQCD因子化框架下,我们可以对B→(P,V)跃迁形状因子做微扰计算,Sudakov因子可以有效压低端点奇异性。以B→π跃迁为例,对B→π跃迁形状因子FBπ(0)的贡献有两部分,分别来自于末态π介子波函数中2扭度分量和3扭度分量。已有计算表明：π介子波函数2扭度分量的次领头阶修正会给领头阶形状因子的pQCD理论计算值带来～25%的增强。作者使用pQCD因子化方法,首次计算了由π介子波函数3扭度分量引起的次领头阶修正,发现该项修正将对领头阶形状因子提供一个大约17%的降低。在考虑了2扭度分量和3扭度分量的次领头阶贡献的抵消以后,总的次领头阶修正为大约8%的增强,符合重味物理中微扰QCD计算的幂次展开规则。(3)在pQC因子化理论框架下,B介子两体非轻衰变过程B→M2M3的湮灭图的贡献时幂次压低的,但它提供了产生大的CP破坏所需要的大的强相位。我们首次完成了对此类衰变过程的可因子化湮灭图的次领头阶修正的计算。为此目的,作者计算了类空区域标量π→π跃迁过程的领头阶和次领头阶形状因子,然后把所得结果解析延拓到类时区域,进而得到对B→ππ衰变过程可因子化湮灭图的次领头阶贡献。计算结果表明：在所考虑的整个参数空间,次领头阶贡献对于领头阶结果的修正小于5%,符合一般预期。(4)在包含了所有已知的次领头阶修正以后,作者对B→ππ衰变过程的分支比做了重新计算,并发现：(a)以树图贡献为主的衰变道B0→π+π-, B+→ π+π0更易受到B→π跃迁形状因子变化的影响；(b)以色压低树图贡献为主的B0→π0π0衰变过程则更易受到类时标量π介子形状因子变化的影响；(c)对前两个衰变道的分支比,pQCD的预言和实验测量结果基本符合；但对B0→π0π0衰变道,总的次领头阶修正可以对分支比给出大约100%的增强,但仍然不足以解释实验测量结果。(本文来源于《南京师范大学》期刊2015-03-15）
李康,刘辉,罗彬[8]（2015）在《引入动量因子的双自适应自然梯度算法》一文中研究指出为克服自然梯度算法收敛速度和稳态误差之间的矛盾,提出了一种引入动量因子的双自适应自然梯度算法,该算法将动量因子分别引入到自然梯度算法的步长因子和分离矩阵中,并根据实时分离度自适应调整动量因子,从而在加快算法收敛速度的同时,降低稳态误差.仿真实验证明,提出的新算法的性能明显优越与固定步长和自适应步长自然梯度算法.(本文来源于《湖南师范大学自然科学学报》期刊2015年01期）
李艳萍,吴飞,郝青丽,高忠宝[9]（2014）在《基于动量因子的变步长盲多用户检测器》一文中研究指出针对3种经典的盲多用户检测算法中,最小均方误差(LMS)算法收敛速度慢、而递归最小二乘算法(RLS)和Kalman自适应算法计算复杂度高的问题,该文提出了一种基于动量因子的变步长LMS算法。该算法在初始阶段使用较大的步长值,根据同一接收信号在相邻两次迭代过程中检测器的输出值之差来动态调整步长,加快了LMS算法的收敛速度。仿真结果表明,该算法的收敛和检测性能明显好于传统的LMS算法,稳态输出接近RLS算法和Kalman算法,而计算量仅略高于传统LMS算法,可以实时有效地抑制多址干扰。(本文来源于《南京理工大学学报》期刊2014年02期）
张艳萍,崔伟轩[10]（2013）在《引入动态动量因子的共轭梯度多模盲均衡算法》一文中研究指出为了克服传统多模算法收敛速度慢的缺点,提出了引入动态动量因子的共轭梯度多模盲均衡算法。该算法将共轭梯度方法及动量项引入多模算法中,得到了引入动量项的共轭梯度多模盲均衡算法的迭代公式。在研究动量因子变化规律的基础上,进一步引入指数函数的变形形式,构造了动量因子与误差之间的非线性函数关系。利用误差的递减规律实现动量因子的自适应减小,从而达到加快收敛速度,降低稳态误差的目的。理论分析和仿真结果均表明:提出的新算法与传统多模算法及共轭梯度多模算法相比较,能够有效地提高收敛速度,并且降低了稳态均方误差。(本文来源于《河南科技大学学报(自然科学版)》期刊2013年03期）
动量因子论文开题报告
（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：
互联网技术的快速发展给人们带来了海量的数据,极大地影响了消费者的选、购效率,高效的推荐系统变得尤为重要。传统的基于BP神经网络的协同过滤会导致局部极小值、收敛缓慢等问题。它通过改进BP神经网络算法,很好地优化了收敛缓慢的问题。解决方案是在增加动量项的基础上将动量项改为自适应的,使其能够实时变化,很好地解决了权值调整震荡导致的不稳定性。经实验证实该改进算法大大提高网络训练效率,并且提高推荐效率。
（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。
动量因子论文参考文献
[1].张航.基于动量因子的股市反转效应研究[D].北京交通大学.2019
[2].杨文龙,肖程望.一种具有自适应动量因子的BP神经网络算法实现[J].计算机与数字工程.2019
[3].王锦,赵德群,邓钱华,宋瑞祥.基于自适应动量因子的BP神经网络优化方法研究[J].现代信息科技.2019
[4].张庄昊.改进动量因子的四因子量化投资方案策划[D].上海师范大学.2018
[5].田野.基于动量因子的神经网络群电流负荷预测模型[J].电力系统保护与控制.2016
[6].王晓宇.基于可变动量因子与可变步长的盲分离的研究[J].中小企业管理与科技(上旬刊).2016
[7].程山.横动量因子化方案下B介子弱衰变次领头阶修正的研究[D].南京师范大学.2015
[8].李康,刘辉,罗彬.引入动量因子的双自适应自然梯度算法[J].湖南师范大学自然科学学报.2015
[9].李艳萍,吴飞,郝青丽,高忠宝.基于动量因子的变步长盲多用户检测器[J].南京理工大学学报.2014
[10].张艳萍,崔伟轩.引入动态动量因子的共轭梯度多模盲均衡算法[J].河南科技大学学报(自然科学版).2013