【摘要】量化投资的指导原则——现代金融理论大多数是建立在关于金融市场随机不确定性的假设之上的。然而,金融市场是一个动态的、非线性的复杂适应系统,模糊不确定性才是对其更加符合的描述,这种模糊性同时也阻碍了人们对于金融市场运行的更多细节的认识。为了量化这种模糊性,本文基于量子力学中的相关理论和方法,提出了“观察者模式框架”及其相关在量化投资中的应用模型。从框架基本概念、函数方程构造、参数拟合估计、量化 […]

【摘要】现实生活中,股价序列的走势既有一定的随机性,也有一定的趋势性,把握股价序列未来的走势将会对投资者构建合理的投资策略具有很好的指导性。不同于传统的基本面分析法和利用抽样技术建立数学模型的投资分析方法,本文提出了一种基于挖掘股价序列的模式特征来预测股票在未来一段时间内的收益率情况的方法,并据此判断可能存在的投资机会。文章中首先定义了股价序列的基础模式,挖掘出股价序列中所有的基础模式,建立基础模 […]

【摘要】传统的时间序列模型对一些非平稳时间序列的处理可能会产生比较严重的失真。而Huang.N.E[1](1998年)提出的Hilbert-Huang变换方法,在处理非平稳数据时有独特的优势,其具有自适应性,且不受Heisenberg测不准原理的约束,因此非常适合处理非线性、非平稳的金融时间序列。Hilbert-Huang变换方法由经验模态分解(EmpiricalModeDecomposition […]

【摘要】在现代智能技术中很重要的一项就是机器学习,计算机模拟人类学习的过程,根据对历史信息的分析,做出预测的指导,在金融方面的进行机器学习一直是研究者研究的一个方向。基于统计学上的神经网络(RBF)算法正是在这样的情况被应用在金融方面,并且取得了优于传统模型的效果。但是神经网络有着先天的一些缺点：建立在样本数量无穷多的基础上,这往往与事实不符；当小样本的情况发生时,神经网络容易发生过度学习的现象； […]