导读:本文包含了日内数据论文开题报告文献综述及选题提纲参考文献，主要关键词:机器学习,XGBoost,日内回转交易,现货组合
日内数据论文文献综述
陈建勋[1]（2019）在《基于高频数据的中国股市日内回转交易研究》一文中研究指出由于我国A股市场实行“T+1”交易制度,在实际投资中,中长线交易更受投资者们的喜爱,对于超短线日内回转交易的认识程度不高,更缺乏对此的研究。然而随着我国各种金融衍生工具的出现,我国股票市场走上了高速发展的道路,更是因此形成了多种多样的交易策略。本文研究了通过沪深300成分股建立现货组合进行对冲并在股票现货市场上进行日内回转交易的策略,以期在股票市场上取得低风险的稳定收益。本文分为构建现货组合和日内回转交易两部分进行研究。第一部分通过跟踪沪深300指数构建股票现货组合。首先根据不同的现货构建方法进行研究,并从中选取了部分优化复制的方法来构建现货组合。利用主成分分析和K-Means算法对沪深300成分股进行聚类分析得到10类、20类、30类、40类、50类股票,并从每一类股票中选取平均振幅最大的成分股利用遗传算法计算其跟踪沪深300指数的最优权重。然后比较分析了“聚类+优化权重”、“聚类+等权重”、“市值排列+优化权重”、“市值排列+等权重”的跟踪误差,确定了“聚类+优化权重”的跟踪效果最好。最后利用沪深300股指期货进行对冲以帮助后续的日内回转交易规避系统性风险。第二部分研究通过预配置相应股票建立底仓实现日内回转交易的方法。日内回转交易依据A股市场上的高频数据进行低买高卖,主要利用股票5分钟数据构成的技术面指标,如:MACD、KDJ、BOLL、RSI等,并首次使用较为新颖的XGBoost提升算法对离散化后的技术指标进行分析。之后根据XGBoost模型的预测结果建立日内回转交易系统进行回测,得到了稳定且低风险的年化收益率结果,并对回测结果进行分析,得出日内回转交易在股票市场处于震荡期间收益率更好的结论。综上,在我国股市现行的“T+1”交易制度下,可以通过预配置股票底仓的方式进行日内回转交易,在股市震荡的情况下依然保持资产稳步提升,获取低风险收益。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
李雅雯,陈健,张海龙,金双根[2]（2019）在《基于GOCI数据的霾天气气溶胶辐射强迫的日内变化——以长江叁角洲为例》一文中研究指出以长江叁角洲(以下简称长叁角)为研究区,基于2017年10～12月内共16d 94景的晴空静止卫星GOCI L1B图像和6S模型,采用深蓝算法反演长叁角地区气溶胶光学厚度(AOD),并利用2个实测站数据进行验证.再通过反演得到的AOD结果进一步模拟计算该区域地表和大气层顶的气溶胶直接辐射效应(ADRE),并结合典型的雾霾天气进行分析.结果表明:利用GOCI数据反演的AOD具有较高拟合精度,北辰楼站点拟合相关性R~2为0.68,太湖站点为0.67.空间上,由于气溶胶存在制冷效应,AOD和地表面、大气层顶气溶胶直接辐射强度均呈现出显着的线性关系.时间上,由于气溶胶扩散和风向等因素,早上和下午辐射效应强度较高,中午较低.其中10:00和11:00影像可以较好地模拟日均ADRE的特征,利用ADRE日内变化成功捕捉到一次雾霾爆发并消失的现象,对气象部门监测近地表气温和分析灰霾的形成等具有重要意义.(本文来源于《中国环境科学》期刊2019年02期）
杜旭浩[3]（2018）在《基于函数型数据的沪深300指数日内波动率研究》一文中研究指出波动率由于在资产定价、资产组合、风险管理等领域中起着至关重要的作用,所以从Markowitz(1952)首次提出波动率概念以来一直是金融市场领域的重点研究对象。同样也正是因为有了波动率这个概念以后金融学才正式发展成为一门新的独立学科。因此波动率在金融领域的地位和重要性不言而喻。根据金融波动率理论,实际的波动率是时间的函数,而时间是不间断的连续的,所以波动率也应该要符合连续的条件。因为实际的波动率没有办法直接观测到,从而需要借助具体的模型来刻画波动率特征以及准确预测波动率。为此,早期基于低频波动率问题提出了诸如ARCH类模型、SV类模型。这些模型在早期的市场研究中因能取得比较好的成效,以及能较好地估计、预测金融市场的波动率,而得到了较为广泛的应用。但近几十年来,金融市场伴随计算机技术(存储技术、计算能力等方面)的进步,以及计算机在金融市场领域的广泛应用,使得市场数据出现爆发式的增长。由此大数据的概念油然而生,并且大量被应用在金融市场的数据抓取、大数据分析以及像量化交易这样的市场交易策略中,使得基于低频数据的波动率研究方法已经不再适用。这促使学者们开始研究适用于高频数据下的波动率模型,从而以已实现波动率为代表的一类已实现测度应运而生。已实现波动率因具有无模型、计算简单等特点受到学界越来越多的关注,并且重要的是这些已实现测度可以当作波动率的直接观测。然而,通过这些方法最终得到的都是日间的波动率,即便是在利用日内高频数据的情况下。这样的日间波动率显然是无法刻画日内波动模式,更无法应用于量化交易策略中。因此,本文尝试从解决该问题的角度出发来研究日内波动率。函数型数据分析方法可以把每一段时间(每天、每周等)的这段时间段内的高频数据当作时间的函数,而这种数据特性刚好与波动率的概念相吻合,并且能解决以前的研究中无法解决的日内波动模式问题。因此,本文应用函数型数据分析方法,以股票市场指数的高频数据作为研究对象来研究日内波动率。首先对股票市场的高频数据点即沪深300波动率数据进行日内非参数拟合,从而构建出函数型日内波动率数据,进而对日内波动率进行特征分析以及解释、预测。通过对沪深300指数日内波动率的特征分析,发现该指数的日内波动率具有“N”字型特征,本文试图解释这种特征背后的可能原因。为了验证这些可能的原因,本文对日内波动率进行函数型主成分分析,发现这些解释因素确实能在一定程度上成立。同时为了从量价关系的角度来解释日内波动率的变化,本文引入了日内成交量解释变量。通过采用函数型回归分析的方法——并发模型,对函数型日内波动率建模。根据函数型统计检验,发现日内成交量对于日内波动率变化的解释在统计意义上显着。在沪深300指数日内波动率的特征分析以及量价分析的基础上,本文对日内波动率进行时间序列分析,主要的目的是对日内波动率进行预测,进而可以应用于股票市场的高频交易策略中。在这部分研究中,本文分别建立了 ARH模型、ARHX模型以及kernel模型对函数型日内波动率进行预测,然后通过各个角度的预测误差以及预测效果的对比来选择预测模型。最后根据预测结果发现ARHX模型对于日内波动率的预测效果相对较好,该模型也正是有外生解释变量日内成交量加入的函数型自回归模型。(本文来源于《浙江工商大学》期刊2018-12-01）
孙欣欣[4]（2018）在《沪深300股指期货和现货市场关系研究——基于沪深日内高频数据的视角》一文中研究指出该文使用2016年12月16日至2017年6月29日间沪深300股指期货和现货5分钟高频交易数据,通过构造非参数波动和跳跃指标,研究沪深300股指期货和沪深300指数已实现波动、连续性波动、已实现跳跃和已实现相关性之间的关系。实证结果表明,沪深300股指期货和标的现货均进行自发调整以实现两者间的长期均衡关系,样本期内两市的各波动和跳跃指标间未呈现出格兰杰因果关系。相对于现货市场,沪深300股指期货波动性更强,且对现货市场有引导作用。期现货市场间存在较强的联动关系,且该联动(相关性)波动程度较高。(本文来源于《上海经济研究》期刊2018年05期）
柳垣仰[5]（2017）在《基于日内行情数据的因子模型与实证研究》一文中研究指出在投资实践中,随着风险因子模型的发展和流行,Beta和Alpha的概念深入人心:Beta是投资收益率中可以被一个或者多个风险因子所解释的部分,而剩下的部分称为Alpha。随着新的风险因子不断被挖掘,投资收益率中越来越多的部分被划分为Beta部分,相应的Alpha部分就越来越少。从学术角度看,挖掘新的风险因子有助于理解资产收益的来源;从实践角度看,挖掘新的风险因子有助于实现超额收益。驱动论文写作的另一个重要因素是市场行情。众所周知,2017年上半年中国A股市场走出分化行情,诸如白酒、家电等一批中国版“漂亮50”横空出世,曾被认为具备高速成长性的中小创公司却大幅下跌。近八成公募量化基金的业绩告负,他们普遍采用的就是基于多因子模型的选股策略。由此可见,经典多因子体系整体而言与市值因子相关性高。换言之,具有独立边际贡献的因子数量较少,一旦市场风格转换,整个多因子体系面临巨大风险。因此,批量且有效地挖掘与经典因子库相关性低的新因子,具有显着的投资实践价值。论文尝试全新的交易型因子体系并且使用日内行情数据构建因子。这一体系由Igor Tulchinsky et al.(2015)提出。在此体系中,因子是基于历史数据对未来股票涨跌幅的预测变量。某只股票的因子绝对值越大,分配给这只股票的资金份额越大,正数代表看多,负数代表看空,进而通过历史数据回测检验因子有效性。此体系的主要特征在于因子是由各种数学公式和计算机代码表达,因此它被称为公式型Alpha因子(Formulaic Alpha)。在国内,李辰、刘富兵(2017)把该体系称为交易型因子体系。另一方面,高频交易目前受限于外部法规或内部风控等诸多因素。退而求其次,基于高频数据构造低频交易信号的方法近年来在国内流行起来。在目前有关交易型因子的文献中运用的数据仅局限于日线级别的低频量价数据,未涉足日内高频数据。本文把这种方法运用于前述的交易型因子体系。具体而言,本文利用日内高频数据构造两种不同类型的新因子,分别是资金流类型和相对交易价格类型的因子。第一类因子是利用分笔数据构造的资金流指标,分别是机构主动净流入占比和散户主动净流入占比,第二类因子是利用分笔数据构造的主力交易相对价格,用于反映主力对市场的情绪。这两类因子尝试通过捕捉投资者行为模式的偏差获得收益。由于日内高频数据更加细致地反映了每个交易日内的市场微观结构,而低频数据几乎缺失了这方面信息。所以相比于日线级别的低频数据,日内数据所含信息更加丰富(事实上,低频数据可以由高频数据汇总得到)。经过回测分析和显着性检验发现,这两类因子都是预测下一交易日股票收益率的反向指标,具有稳定的风险溢价,且与市值因子的相关性低,均在0.2附近。这是对经典多因子体系的极大补充。此外,通过这几个因子,本文认为A股市场投机氛围较重,无论是机构和散户都偏好短线交易,并且这种交易行为通常具有固定的模式。本文归纳出的因子,就是捕捉这种行为偏差来获得超额收益。必须说明的是,无论再固定的行为模式,都存在改变的可能。换言之,历史上再有效的因子也有失效的可能。本文进而通过因子样本外表现的衰减程度和因子滞后期数对股票收益率预测效果影响这两方面对因子的有效周期进行评估。结果发现,由高频行情数据构造的因子预测时效通常较短,即随着因子的滞后期数增加,因子对股票收益率预测效果降低,这几个因子预测有效的时间跨度极限在五到六个交易日左右,即因子对股票六个交易日之后的收益率几乎没有预测效果。另外从因子月度信息比率看,相比于样本内,资金流因子在样本外的表现不存在显着下降,相对交易价格因子则出现显着的样本外衰减,这表明资金流因子的有效周期相对较长,预期未来表现也更满意。(本文来源于《东北财经大学》期刊2017-10-01）
胡亮[6]（2017）在《我国股票波动率和收益率同期关系研究》一文中研究指出股票波动率与收益率之间的关系一直是我国证券市场一个非常重要的研究课题。随着高频交易应用于证券交易市场,逐渐对证券交易市场原有的秩序产生了冲击,学者们开始对日内交易中股票收益率和波动率之间的关系进行研究,主要集中于股票的波动率和滞后期收益率的关系。然而,有文献表明日内交易数据中股票的当期收益率是当期波动率的决定因素,并且股票收益率和波动率的同期关系是影响股票的波动率和滞后期收益率关系的重要因素。因此,本文在前人研究的基础上利用有关日内交易数据研究了股票波动率和收益率的同期关系。本文选取了我国2014年上市交易的2497家上市公司,交易日中1分钟和5分钟区间的交易数据。股票交易数据包括了所有A股上市公司,涵盖创业板,中小板,主板上市公司。对日内交易数据研究表明,各板块上市公司,在1分钟和5分钟区间交易数据中股票波动率和收益率之间均存在正向的同期关系。具体来说,当期股票收益率为正(负)时,收益率和波动率之间存在一个显着的正(负)向的同期关系,表现出明显的“追涨杀跌”现象,在1分钟区间交易数据中这种现象表现的更加明显。对此,本文用行为经济学的理论来解释这一关系并进行了初步的实证分析,结果表明,股票交易市场中存在羊群行为。同时实证表明,股票波动具有非对称性,在1分钟区间,负收益率冲击对股票波动率扰动更大;5分钟区间,正收益率冲击对股票波动率扰动更大。本文的研究不仅丰富了股票波动率和收益率关系的研究,而且对于加强我国股票市场高频交易的监管及保护中小投资者的利益都有着重要的现实意义。(本文来源于《厦门大学》期刊2017-07-01）
刘国锋[7]（2017）在《中国股市磁吸效应实证研究》一文中研究指出中国股票市场自1996年开始引进涨跌幅限制制度,但对其评价褒贬不一,特别是2015年6月份股灾中的“千股停牌”、“千股涨停”、“千股跌停”,让学术界对涨跌幅限制制度在实际中的作用产生了较大的分歧。为了抑制投资者可能产生的“羊群效应”,避免追涨杀跌,降低股票市场的波动,我国证券市场自2016年1月1日起开始实行熔断机制,熔断机制的加入对证券市场的影响如何,两种制度是否有必要并行都是文章研究目的所在。本文对中国股市的磁吸效应进行了比较深入的探究。首先,从磁吸效应、涨跌停板制度、熔断机制的影响等方面进行了文献梳理和总结,为后续的研究提供了理论基础和相关的研究思路。其次,将样本区间划分为正常阶段、牛市阶段和股灾阶段,分别收集沪深300指数和创业板指数在叁阶段的日内5分钟高频数据,对数据进行相关性和平稳性检验,并根据数据的特性将引入了虚拟变量的AR-GARCH模型确定为主要分析模型。随后,对我国股市的磁吸效应进行了实证分析,验证沪深300指数和创业板指数在正常阶段、牛市阶段和股灾阶段不同磁吸门槛上的磁吸效应,其中,股灾阶段的磁吸效应又细分为包含熔断机制阶段和不包含熔断机制阶段,并对两阶段磁吸效应的强弱进行了对比。研究结果表明,沪深300指数和创业板指数在涨跌幅方面的磁吸效应总体趋势相同。随着磁吸门槛的增加,两指数磁吸效应先增强再减弱,最后达到最强;在相同磁吸门槛上,牛市阶段涨幅的磁吸效应、股灾阶段跌幅的磁吸效应都强于正常阶段;创业板指数在牛市阶段涨幅最强的磁吸效应、股灾阶段跌幅最强磁吸效应都要强于沪深300指数;熔断机制的引入加剧了沪深300指数的磁吸效应。沪深300指数作为大盘股的代表,具有引领证券市场走向作用,所以在涨跌幅限制制度的条件下引入熔断机制,不但没有起到稳定市场的作用,反而加剧了金融市场的波动,因此,现阶段在存在涨跌幅限制的条件下引入熔断机制不适合我国股市。(本文来源于《青岛大学》期刊2017-06-07）
陈泽伟[8]（2017）在《基于超高频数据的中国股指期货日内VaR度量研究》一文中研究指出随着中国证券市场的发展,金融衍生工具越来越丰富,市场的波动也越来越大,对于风险的度量以及控制变得尤为重要。传统的以日间的交易数据作为度量风险的样本数据,容易忽略日内交易信息,导致在风险的度量产生较大的误差。超高频交易数据(以下简称高频数据),记录交易标的每一分笔交易的具体信息,包含了更丰富的波动信息,比如更及时更准确的记录日内波动振幅。因此,寻求合适有效的高频数据风险度量模型,将有助于投资者了解风险,便于监管层更好地把控风险。传统的GARCH类模型以固定时间间隔的交易数据为研究对象,而高频数据以事件的发生至结束为界限,一般都是不固定时间间隔的。因此,本文将采用适用不固定时间间隔的对数自回归条件持续时间模型(Log-ACD模型)以及考虑了事件变动方向的非对称性自回归条件持续时间模型(AACD模型),与传统的AR-GARCH模型一起,分别估计叁个模型的日内VaR值,并比较不同模型间估计风险的能力。本文以沪深300股指期货主力合约为代表,对我国证券市场的日内风险进行度量以及研究。选择2010年4月19日至2015年12月31日日内每笔交易价格的超高频数据为样本数据,首先确定价格变动的阈值,定义阈值使得每一个价格变动事件的持续时间均值保持稳定,然后进行去日内效应的操作,计算叁个模型对沪深300股指期货主力合约每30分钟的风险VaR值,并通过Kupic检验、动态分位数检验、基于持续时间的GMM检验、MSE和MAE检验对叁个模型的有效性、相关性、独立性以及精度进行全面的分析;同时检验Log-ACD模型以及AACD模型的稳定性;最后比较叁个模型在2015年大熊市期间对风险度量的实际估计效果。实证的结果显示:(I)在事件的持续时间均值为5分钟、置信水平为95%,且显着性水平为5%的检验的结果中,AR-GARCH模型取得的Kupiec检验最优,AR-GARCH模型中估计的VaR失败率等于预期失败率的占比最高,达88.64%,而AACD模型比AR-GARCH模型低6.82%,Log-ACD模型Kupiec检验占比最低,而独立性检验、相关性检验、精度估计检验中,AACD模型都表现的最好,AR-GARCH模型次之,Log-ACD模型最差。总的来说,相比较于AR-GARCH模型以及Log-ACD模型,AACD模型的VaR估计效果最好,作为新的风险控制模型,具有很强的应用意义;(II)在改变叁个模型的价格变动事件的持续时间均值以及置信水平之后,发现叁个模型估计VaR的能力保持稳定,一方面证明了初始条件为价格变动事件额度持续时间均值为5分钟且95%置信水平的可行性,另一方面也证明了AACD模型具有稳定的估计风险的能力。(III)以最近证券市场的熊市区间(2015年6月15日至2015年8月26日)为例,叁个模型的Kupeic检验都没有通过,但相关性、独立性以及精度检验上AACD模型依旧表现得最好,说明日内波动的风险确实很大,对风险的控制的能力研究仍有待提高。但是,AACD模型相比于其他两个模型,在独立性、相关性、以及精度上,都有所改进,所以AACD模型可以较好地用于对证券市场的风险度量和管理研究。(本文来源于《华南理工大学》期刊2017-04-11）
刘志东,杨竞一[9]（2016）在《基于非参数日内跳跃检验和高频数据的公司信息披露对股市价格波动影响研究》一文中研究指出本文以2012年1月4日至2013年12月31日之间的共481个交易日作为样本期间,以样本期间上交所发布的"上证180"成分股中的上市公司的经营公告、财务报告及证券分析师根据上述信息披露的股评叁种信息为主要研究对象,从验证方法选择、高频数据选取、信息考察窗口优化及基于面板数据多元Logistics回归模型构建等四个方面将跳跃与不同信息相联系,分析股价波动与不同信息披露的关系。研究结果表明,当信息范围为公司特定的经营公告、财务报告及分析师建议时,经营公告是最具影响力的信息披露渠道,而分析师建议并不是引起股价异常波动最重要的信息。同时,本文研究揭示仅有20%的跳跃与此类信息披露相关,当解释变量覆盖代表宏观信息"系统性事件"和行业、板块信息的"行业事件"时,也仅40%的价格跳跃发生和信息披露有关。本文的研究不仅表明哪一种信息可能更具有投资价值,而且揭示在此研究基础上继续探究引起股价异常波动的其他起因事件可能更具有重要意义。(本文来源于《中国管理科学》期刊2016年10期）
苏向杲[10]（2016）在《保监会下发风险综合评级征求意见稿 险企四大风险情况纳入评级》一文中研究指出《证券日报》近日独家获悉，为规范对保险公司操作风险、战略风险、声誉风险和流动性风险的评价，全面评估保险公司整体风险，保监会已于近日下发《保险公司法人机构风险综合评级（分类监管）具体评价标准（征求意见稿）》（下称“《意见稿》”）。《意见稿》提(本文来源于《证券日报》期刊2016-08-11）
日内数据论文开题报告
（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：
以长江叁角洲(以下简称长叁角)为研究区,基于2017年10～12月内共16d 94景的晴空静止卫星GOCI L1B图像和6S模型,采用深蓝算法反演长叁角地区气溶胶光学厚度(AOD),并利用2个实测站数据进行验证.再通过反演得到的AOD结果进一步模拟计算该区域地表和大气层顶的气溶胶直接辐射效应(ADRE),并结合典型的雾霾天气进行分析.结果表明:利用GOCI数据反演的AOD具有较高拟合精度,北辰楼站点拟合相关性R~2为0.68,太湖站点为0.67.空间上,由于气溶胶存在制冷效应,AOD和地表面、大气层顶气溶胶直接辐射强度均呈现出显着的线性关系.时间上,由于气溶胶扩散和风向等因素,早上和下午辐射效应强度较高,中午较低.其中10:00和11:00影像可以较好地模拟日均ADRE的特征,利用ADRE日内变化成功捕捉到一次雾霾爆发并消失的现象,对气象部门监测近地表气温和分析灰霾的形成等具有重要意义.
（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。
日内数据论文参考文献
[1].陈建勋.基于高频数据的中国股市日内回转交易研究[D].哈尔滨工业大学.2019
[2].李雅雯,陈健,张海龙,金双根.基于GOCI数据的霾天气气溶胶辐射强迫的日内变化——以长江叁角洲为例[J].中国环境科学.2019
[3].杜旭浩.基于函数型数据的沪深300指数日内波动率研究[D].浙江工商大学.2018
[4].孙欣欣.沪深300股指期货和现货市场关系研究——基于沪深日内高频数据的视角[J].上海经济研究.2018
[5].柳垣仰.基于日内行情数据的因子模型与实证研究[D].东北财经大学.2017
[6].胡亮.我国股票波动率和收益率同期关系研究[D].厦门大学.2017
[7].刘国锋.中国股市磁吸效应实证研究[D].青岛大学.2017
[8].陈泽伟.基于超高频数据的中国股指期货日内VaR度量研究[D].华南理工大学.2017
[9].刘志东,杨竞一.基于非参数日内跳跃检验和高频数据的公司信息披露对股市价格波动影响研究[J].中国管理科学.2016
[10].苏向杲.保监会下发风险综合评级征求意见稿险企四大风险情况纳入评级[N].证券日报.2016