本文从技术分析的角度分析指数走势并构建择时模型。http://www.hibor.com.cn【慧博投研资讯】股票市场分析,可以分为:政策分析、基本面分析和技术分析三种类型,本文尝试使用数量化方法进行技术分析。http://www.hibor.com.cn(慧博投研资讯)我们的研究目的是市场择时,研究对象则是股票市场的量价数据。我们将尝试寻找K 线组合中蕴含的一些潜在规律,并对未来市场的运行趋势给出一个大致的判断,从而达到预测市场短期涨跌的目的。
K 线组合模式识别使用了自组织竞争型神经网络算法。人们通过大量的生理学实验发现,人的大脑皮层中存在着许多完成特定功能的网络区域。在完成某一特定功能的网络区域中,不同部位的若干神经元对含有不同特征的外界刺激同时产生响应。我们使用的竞争性神经网络算法可自动发现输入数据的类似度,将相似的输入配置在网络中相近的地方,即对应于输入数据,构成有选择地反应的网络算法。
模型构建的交易策略均取得了良好的收益,扣除交易费用后仍有较大超额收益。模型构建了以获取超额收益为主要目标的交易策略A,以获取绝对收益为主要目的的交易策略B,结果显示策略对基准指数(50%上证综指+50%中债指数)的4 年累计绝对收益分别为4.81 倍和4.01 倍,分别超越同期基准指数达2.81 倍和2.34倍,由于换手比例较低,扣除单边0.5%交易费用后的超额收益仍旧有2.57 倍和2.03 倍,超额收益明显。
模式整体识别率不高,相对而言,预测上涨比预测下跌准确率更高。我们的策略A在1050 期样本外数据中,共发出126 次的卖出信号,信号占比12%,策略A 的199 期预期下跌交易日中,实际下跌占比57.3%。相对的,策略B 共发出330 次买入信号,信号占比31%,在策略B 的448 期预测上涨交易日中,实际上涨占比64.6%,高于策略A 的下跌准确率占比。