中国创业板与主板市场的相依关系——基于时变copula-GARCH模型的实证分析(英文)

主要研究了中国创业板市场与沪市日收益率间的相依关系.将时变t-copula模型和采用有偏误差分布的ARMA-GARCH模型结合起来构成了一个复合模型,并对所有的参数给出了贝叶斯估计.估计所得的两市场间Kendall秩相关系数的图形显示了创业板和主板市场之间确实存在着一种时变的正相依关系.进一步,对两市场在不同行业板块中日收益率的相依关系进行了类似的建模.结果显示两市场在工业板块中的相依结构与市场整体十分相近,而在信息技术板块中则存在着更强更稳定的正相依关系.     

基于生成对抗网络的高频算法及其回测研究

在金融工程的分类任务中,由于金融数据噪音大、信息比率低的特点,传统深度算法的有监督训练模式往往过于依赖数据本身的绝对标签从而进一步放大了噪音对最终结果的影响.生成对抗网络(generative adversarial network, GAN)能够利用深度网络挖取数据特征,增强数据,减少噪音影响,应用于金融序列分析时效果优异.这里将GAN模型用于高频交易,具体做法为:将数据按波动性分为有标签数据与无标签数据两类,利用生成网络G与判别网络D互相对抗训练来深度学习这些数据的内在特性,训练好后的D网络根据有标签数据信息亦可对真实数据进行类别判别,得到涨跌分类模型,进而给出量化交易策略.基于期货主力合约数据进行了实证分析,结果表明,基于GAN训练下的LSTM模型显著优于有监督训练下的LSTM等深度模型和Logistics回归模型.     

基于LSTM神经网络的黑色金属期货套利策略模型

利用协整检验方法和LSTM神经网络算法,建立黑色金属期货市场的套利策略模型.利用基于LSTM神经网络套利策略模型对大连商品交易所上市的焦炭期货、铁矿石期货和上海期货交易所上市的螺纹钢期货进行实证研究.对比研究基于LSTM神经网络、BP神经网络和卷积神经网络的3种套利策略模型,实证结果表明基于LSTM神经网络的黑色金属期货套利策略模型可行有效,并且比BP神经网络套利策略模型和卷积神经网络套利策略模型表现更好.     

带干扰古典风险模型的极值联合分布

讨论了带干扰的古典风险模型，给出了从负余额首次返回零点前及最后一次返回零点前两种时期内余额极大值和极小值的联合分布，主要运用模型的强马氏性及平稳性来解决问题。     

一类风险模型的破产概率

进一步推广Sparre Andersen风险模型,并得到了破产概率的尾等价式,它与Sparre Andersen风险模型相应的结果一致.     

配对交易的最优阈值

考虑到市场的波动性和不确定性,如何在保持稳定收益的基础上有效控制风险是亟待解决的问题.通过遗传算法求解带止损条件的配对交易最优阈值,在协整和部分协整条件下的沪深300指数和中证500指数分行业配对股票中进行实证检验,实证结果表明,与固定10%止损和不止损条件下的最优阈值相比,带止损条件的交易阈值设置使配对交易在保持较高水平的收益的基础上能有效控制风险和损失.