基于深度学习算法股指期货量化交易策略研究.pdfVIP

中文摘要

随着计算机技术的快速发展，当前国内金融市场的投资交易中程序化的量化

策略交易占比逐渐高，逐步取代基于传统技术分析等方法的主观交易。量化交

易作为现代金融领域的一种重要投资策略，不仅可以高投资效率、降低投资风

险，还可以推动金融市场创新。基于机器学习方法预测交易标的价格的研究已经

大量存在，但近年来计算机技术的发展才使得深度学习方法受到极大的关注，并

逐步被应用于金融领域，尤其是深度强化学习构建的智能体在金融市场中自动交

易的能力特别受到重视。因此本文主要致力于研究构造深度神经网络模型来预测

高频交易下股指期货的短期价格，并基于此以深度强化学习方法构建能够获得超

额收益的量化交易策略。具体内容安排如下：

首先，介绍了我国股指期货市场的特征，包括其发展历程，交易规则以及量

化交易在股指期货上应用的优势，并且说明了当前股指期货市场上量化交易所存

在的问题。

其次，以股指期货交易数据为基础计算了各技术指标，并将其作为模型输入，

搭建LSTM神经网络模型以回归的方法预测股指期货价格的未来走势，并且按

预测价格构建简单的交易策略，实验结果证明LSTM神经网络模型对股指期货

未来价格具有一定的预测能力，从而确定了后续深度强化学习模型中神经网络模

型的选择。

最后，本文设计了进行股指期货交易的单资产择时交易的强化学习环境，并

使用上述神经网络构建基于值函数方法的D3QN模型和基于策略梯度方法和

Actor-Critic框架的PPO模型。将上述两种模型在设计好的强化学习环境中以最

大化收益为目标进行训练，从而得到能够在模拟交易中获取超额收益的量化交易

智能体，最后对两种模型的收益率走势与仓位状况进行分析。实验结果表明，所

策略在各股指期货上均能实现超额收益，且D3QN模型获取收益的能力更为

稳定。

关键词：量化交易；神经网络；深度学习；强化学习

ABSTRACT

Withtherapiddevelopmentofcomputertechnology,theproportionofquantitative

strategytransactionsbasedonprogrammaticquantitativestrategieshasgradually

increasedintheinvestmenttransactionsofthecurrentdomesticfinancialmarket,and

subjectivetransactionsbasedontraditionaltechnicalanalysisandothermethodshave

beengraduallyreplaced.Asanimportantinvestmentstrategyinthefieldofmodern

finance,quantitativetradingcannotonlyimproveinvestmentefficiencyandreduce

investmentrisks,butalsopromotefinancialmarketinnovation.Therehavebeenalot

ofstudiesonpredictingthepriceoftradingtargetsbasedonmachinelearningmethods,

butinrecentyears,thedevelopmentofcomputertechnologyhasbroughtgreatattention

todeeplearningmethods,andhasbeengraduallyappliedtothefinancialfield,among

whichtheabilityofagentsbuiltbasedondeepreinforcementlearningtoautomatically

tradein