基于深度学习方法改进的中国A股市场动量策略研究

摘要：

将深度学习方法运用到对中国股票市场特征的提取上,具有创新性和进步性.选取了沪深A股自开市至2017年11月30日的所有股票的周回报率数据进行实证分析.由于2005年的股权分置改革可能对中国证券市场产生较大影响,分别对1990—2017年和2006—2017年的数据做了研究.在两个时期分别建立了考虑卖空限制的传统动量策略,和用堆叠自编码器进行特征学习后进入前馈神经网络进行训练的深度学习方法改进策略.实证表明,基于深度学习方法改进的动量策略在两个研究时间段均能够获得比传统动量策略更高且更稳健的收益.这说明了深度学习方法运用于中国A股市场历史收益率特征提取的有效性,以及中国A股市场历史数据包含着能够对未来进行预测的信息.

关键词：动量策略、深度学习、自编码器、深度前馈神经网络

所属期刊栏目：32

分类号：F830.9(金融、银行)

资助基金：教育部人文哲学社会科学一般项目"基于深度学习技术的金融市场投资者情绪、行为预测研究"19YJA790104

在线出版日期：2019-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共20页

页码：36-55