期中开题人工智能选股构建投资组合.pdf

《期中开题人工智能选股构建投资组合.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、人工智能选股构建投资组合•许可任浥菲方奕炜范凌云杨霄目录数据获取&预处理隐马尔科夫过程LSTM提升算法构建投资组合沪深300数据预处理1、分别下载沪深300的300支成分股中以下数据指标：开盘价、收盘价、最高价、最低价、成交量、成交额、涨跌幅沪深300数据预处理2、对该数据作如下处理：lst=['OpenPrice','ClosePrice','HighPrice','LowPrice','TurnoverVolume','TurnoverValue','ChangePCT']将数据重新整理为以交易日为行，上市公司为列的新表格，便于后

2、续计算沪深300数据预处理得到如下新的数据表，替换原数据描述性统计DateScope描述性统计2012-01-04:2019-04-121768dayswith300stocks描述性统计描述性统计描述性统计沪深300指数2012年至今的历史表现：年化增长：8.1%年化波动：31.3%沪深300成分股最近一个交易日表现情况部分成分股历史数据统计，以收盘价为例指数波动vs.成分股波动•指数走势体现了成份股走势的总体趋势•各成分股之间的波动各有差异•可否通过构建比指数更好的组合，以达到更好的收益-风险关系？•股价预测→投资组合构建红线-指

3、数价格走势黑线-各成分股价格走势*纵轴=当日收盘价/历史平均收盘价隐马尔可夫模型的定义状态序列1•隐马尔可夫模型：隐马尔可夫模型是关于时间序列的一个概率模型，描述由一个隐藏的马尔可夫链随机生成不可观测的状态的随机序列，再基于各个状态生成一个观测而产生观测随机序列的过程2•我们能够观测到某只股票的价格、交易等等披露的数据，但是我们无法直接到观测某只股票所处的状况（牛市期、熊市期、震荡期…），但是股票所处的状态会影响股票未来能观测到的的收益率（即需要最大化的目标）观测序列3•由于我们无法获知股票所处的实际状态，所以只能够依据现有的观测和知

4、识对不可观测的马尔可夫模型做参数估计，并且利用所得模型对未来时刻的股票情况做预测，这是一种无监督学习的方法，我们希望能跟神经网络互相补充隐马尔可夫模型的参数和问题状态序列观测序列引入概率分布的隐马尔可夫模型为了确定马尔可•状态序列的有限集合•观测值的有限集合•对于股价的波动而言而言，观测值是夫模型需要预先连续的，所以有限集合不足以描述可能的观测序列的取值，所以我们需要给定的参数在一般的马尔可夫模型中引入概率分布从时间序列角度•转移概率（在马尔可夫链中的一步•输出概率（在给定状态的条件下，•因为股价的变动量属于连续型的变量来看的序列不同

5、转移矩阵中某个位置的元素）观测值取值为某个值的概率，是输，所以需要假设输出矩阵能够描述一出矩阵中某个位置的元素）个连续型的概率分布，基于之前讨论位置之间的关系的结果，在利用先验知识的情况下，我们假设股价的变动满足对数正态分布，即已知与未知的问•在已知观测序列和马尔可夫链模型•对于给定的观测序列，需要估计隐•在股价的预测中，我们主要需要解决题，即需要在模的情况下的情况下需要估计状态序马尔可夫链模型的参数（学习问题学习问题和预测问题，我们并不是很列）在意某一个观测序列出现的概率，事型中解决的问题实上在面对概率计算问题是，我们也•在已知隐马

6、尔可夫模型和观测序列•在已知状态序列的情况下是有监督无法预先得知马尔可夫模型，这是需的前提下，求观测序列所最有可能学习模型，在不知道状态序列的情要通过训练集来学习的，也是需要在对应的状态序列（预测问题，也称况下是无监督学习模型验证集上预测的解码问题）•在给定马尔可夫链模型和观测序列的前提下，计算观测序列出现的概率（概率计算问题）隐马尔可夫模型的假设齐次马尔可夫性假设观测独立性假设•假设隐藏的隐马尔可夫链在任意时刻t的状态之依赖于其•假设任意时刻的观测只依赖于该时刻的马尔可夫链的状态前一时刻的状态，与其他时刻的状态及观测无关，也与时，与

7、其他观测及状态无关刻t无关•综上而言，基于隐马尔可夫链这一模型，前一时刻的状态•需要说明的是，这个假设是针对不可观测到的状态序列（决定了相继时刻马尔可夫链所处的状态，而相继时刻的状隐马尔可夫链）而言的，是说相继时刻的状态之取决于当态决定了相继时刻的观测前时刻的状态，但并不是意味着相继时刻的观测只取决于•于是马尔可夫链可以解决标注问题，即给定观测的序列，当前时刻的观测目标是预测对应的状态序列，假设隐马尔可夫链生成了这些观测数据，于是可以通过学习和预测算法进行标注市场弱有效性有效市场理论广义维纳(Wiener)过程•证券现在的价格完全反映

8、了过去的价格、•如果将证券价格的随机变化视为在市场中•维纳过程是用来描述布朗运动的一个随机成交量等历史信息，投资者不可能利用历所有其他证券和新出现的信息的极微小的过程过程史信息来获取超额收益作用的共同结果，那么根据中心极