基于高频高维金融数据波动率的量化投资策略研究

论文摘要

本文基于高频高维金融数据对量化投资策略进行研究。高频金融数据所包含的反映市场变化的有效信息是建立短期投资策略的基石。基于高频高维金融资产数据估计的高频协方差矩阵是度量多资产波动率的有力工具,也是研究投资策略的基础。微观结构噪音和数据非同步性是基于高频高维金融数据估计协方差矩阵面临的两大挑战。我们采用核估计和预平均的方法来消除构建高频协方差矩阵过程中微观结构噪音的影响。进一步,我们提出观测点-持续期流动性排序模型对多资产进行排序,基于7种不同分组方式对排序后资产进行分组,同步化过程在组内分别进行以达到尽可能减少高频数据的丢失。同时,我们提出计数分析和权重分析的方法对提出的观测点-持续期模型和已有观测点模型、交易量模型、交易量-持续期模型造成数据丢失率进行定量分析。我们提出运用预平均的方法在各分组内构造分组协方差矩阵,然后按一定规则将各分组协方差矩阵合并为整体协方差矩阵。进一步,本文运用了3-因子和?1正则化方法对协方差矩阵进行正则化处理;结合均值-方差模型,我们运用正则化协方差矩阵来分别考虑基于最小方差模型、卖空约束的全局最小方差模型和单资产卖空限制的全局最小方差模型下的最优投资策略。我们运用国泰安高频数据库1秒频率的高频数据进行实证研究。本文选取上海证券交易所A股102只资产在2014至2017年976个完整交易日的数据进行实证分析。首先,基于计数分析和权重分析的实证结果显示我们提出的观测点-持续期流动性模型在同步化过程中能更有效地减少数据的丢失率。其次,基于不同的协方差矩阵正则化造成的残差的实证分析显示,?1正则化的预平均估计构造的协方差矩阵残差较3-因子方法更小。最后,基于夏普比率和含有交易成本的单位风险净收益率两个指标,我们对不允许卖空和允许不同程度卖空的9种全局风险最小投资组合模型进行实证研究。实证结果显示,和已实现核方法相比,预平均方法构造的协方差矩阵下的最优投资策略具有更高的夏普比率和单位风险净收益率。因此,基于预平均方法构造的协方差矩阵的最优投资策略能够更加有效地对资产进行配置。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 选题背景及意义
•     1.1.1 选题背景
•     1.1.2 研究意义
•   1.2 文献综述
•     1.2.1 高频金融数据研究综述
•     1.2.2 金融数据波动率的研究综述
•     1.2.3 量化投资研究综述
•   1.3 研究内容与研究思路
•     1.3.1 研究内容
•     1.3.2 研究思路
•   1.4 研究创新点
• 第2章 量化投资理论模型和方法
•   2.1 投资组合理论模型
•     2.1.1 均值-方差模型
•     2.1.2 全局最小方差投资组合模型
•     2.1.3 施加卖空约束的模型
•   2.2 已实现协方差矩阵估计方法
•     2.2.1 基本概念
•     2.2.2 高频数据微观结构噪音
•     2.2.3 已实现核估计方法
•     2.2.4 预平均估计方法
•   2.3 正则化方法
•     2.3.1 因子模型
•     2.3.2 ?1正则化方法
•   2.4 投资组合评估方法
•     2.4.1 夏普比率
•     2.4.2 投资组合集中度
•     2.4.3 投资组合卖空集中度
•     2.4.4 投资组合周转率
•     2.4.5 含交易成本的投资组合净收益
•     2.4.6 单位风险净收益率
• 第3章 高频高维金融数据的同步化策略
•   3.1 高频高维金融数据的非同步性
•   3.2 高频高维金融数据的同步化
•     3.2.1 流动性度量模型
•     3.2.2 分组同步化策略
•     3.2.3 数据丢失率量化方法
• 第4章 量化投资的实证分析
•   4.1 数据的选择与清洗
•   4.2 高频高维金融数据波动率的实证分析
•     4.2.1 计数分析
•     4.2.2 权重分析
•     4.2.3 特征值分析
•     4.2.4 偏差值分析
•   4.3 不同卖空限制下最优投资策略的实证分析
•     4.3.1 协方差矩阵的正则化实证结果
•     4.3.2 三种量化投资模型的实证结果
• 结论
• 参考文献
• 附录A 攻读学位期间参与的科研项目
• 附录B 数据描述统计表
• 致谢

文章来源

类型: 硕士论文

作者: 向刚

导师: 田博士

关键词: 高频高维数据,量化投资策略,数据非同步性,观测点持续期模型

来源: 湖南大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 湖南大学

分类号: F224;F832.51

DOI: 10.27135/d.cnki.ghudu.2019.001199

总页数: 73

文件大小: 1901K

下载量: 50