基于隐马尔科夫模型的量化择时策略.docVIP

摘　要 人工智能的迅速发展推动了技术进步，使各行各业都发生了翻天覆地的变化，同样对金融投资领域产生了深远影响。在投资实务中，量化投资和算法交易已经得到银行、保险、券商等顶级机构的青睐，成为常态化的操作模式。2013年成立的“华泰柏瑞量化增强混合A”基金到2017年底已实现170%的投资收益。量化投资以其纪律性、系统性、及时性和准确性等优势正受到学界和实操界的广泛关注。本文将要讨论的趋势择时策略则是量化投资策略的重要组成部分。 隐马尔科夫模型最早用于语音识别领域，其理论基础是马尔科夫随机过程，是一连串随机事件的动态关系的定量描述。该模型理论所预测的目标为随机改变的动态体系，此预测评估了系统今后的发展趋势，此种预测是依据各种状态间的转移概率实现。针对此类模型而言，我国金融投资行业的有关研究重点集中在时间序列方面，和量化择时策略相结合的分析寥寥无几，此外，相关文献侧重于对模型算法的研究，忽视了模型与策略结合的实际运用。因此，本文通过研究现有的量化趋势择时策略和隐马尔科夫模型，并且将二者结合，构建基于隐马尔科夫模型的量化趋势择时策略。 第一，本篇文章先阐述了量化投资的定义，简述了其发展进程；解释量化择时策略的概念和特征，并对现有的择时策略进行分类。随后，解释隐马尔科夫模型的概念和理论基础；详述了该模型有待于研究的3类问题以及其对应的算法。最后，将模型与策略结合，构建基于隐马尔科夫模型的量化