基于智能学习方法的量化交易系统设计与实现.pdfVIP

目录

1绪论1

1.1研究背景及意义1

1.2国内外研究现状2

1.3研究内容及创新点6

1.4论文组织结构7

2相关基础知识理论9

2.1量化交易基础知识9

2.2深度学习基础知识9

2.2.1Transformer网络9

2.2.2图注意力网络11

2.2.3超图卷积网络12

2.3相似性度量方法13

2.4本章小结14

3基于超图Transformer的股票交易系统设计与实现15

3.1引言15

3.2基本系统描述15

3.2.1数据源16

3.2.2智能决策模型16

3.2.3交易策略23

3.2.4指令执行24

3.3实验及结果分析24

3.3.1实验设置24

3.3.2实验验证26

3.3.3参数分析29

3.4本章小结31

4基于增强超图融合学习的股票交易系统设计与实现32

4.1引言32

4.2基本系统描述32

4.3实验及结果分析41

4.3.1实验设置41

4.3.2实验验证42

4.3.3参数分析46

4.4本章小结49

5总结与展望51

5.1总结51

5.2展望51

参考文献53

攻读硕士学位期间的主要工作60

致谢61

摘要

在当前金融市场信息化日益发展的环境下，量化交易作为一种基于数据分析和数学模

型的交易方式，受到了越来越多的关注和应用。传统的人工交易方式受限于人的主观意识

和情绪波动，难以及时有效地捕捉市场的变化和机会。而量化交易则通过系统化、自动化

的交易策略，执行更科学、更高效的决策，能够更好地应对市场变化和风险挑战。随着人

工智能技术的快速发展，以深度学习为代表的智能学习方法在量化交易领域展现出潜力，

使得基于智能学习方法的量化交易系统成为研究热点。本文通过构造智能决策模型来搭建

股票交易系统，主要研究内容如下：

（1）针对金融市场中股票之间复杂的关联关系导致特征学习易失效的问题，提出了一

种基于超图Transformer的股票交易系统。其中，使用超图模型对股票之间的高阶关系进行

建模，并通过集成超图神经网络和Transformer引入了新的超图Transformer层，在节点更

新过程中利用其自注意力机制来捕捉关键信息，能够自动地学习到不同股票之间的关注程

度。同时，为了更好地捕捉股票之间的复杂关联关系，利用互信息方法划分强相关股票集

合，进而聚合该集合内股票的公共特征进行股票特征表示增强，从而提升模型预测的效果。

根据制定的交易策略对上述智能决策模型推荐的股票进行测试，在中国A股市场上表现出

了良好的性能。

（2）针对传统超图结构在量化交易应用中的局限性，提出了一种基于增强超图融合学

习的股票交易系统。首先从数据驱动角度，利用余弦相似性等度量方法衡量行业指数与该

行业非隶属股票的波动相似性，扩大行业超边所纳入股票范围，以弥补单纯使用先验知识

构建超边的不足。其次，针对各超边所包含的股票集合，使用FuzzyC-means进行聚类分

析，利用股票相对聚类中心的距离作为其行业隶属关联矩阵的取值。最后，将增强后超图

转换为市场股票加权图，进而将上述加权图和增强超图实现“图-超图”的融合学习，进行

股票推荐，并完成在中国A股市场上的测试，以验证模型的有效性。

关键词：量化交易；智能学习方法；超图；图学习；融合学习

中图分类号：TP391

Abstract

Inthecurrentenvironmentofincreasingdevelopmentofinformationtechnologyinthe

financialmarket,quant