论文部分内容阅读
自1971年，美元与黄金脱钩，全球逐渐形成浮动汇率制度。浮动汇率制度的产生大大刺激了外汇交易，同时也诞生了一种通过从历史价格中发现未来价格趋势的技术分析方法。步入21世纪，信息技术的高速发展，一方面带动了外汇市场的虚拟化，仅仅通过一个键盘和一个屏幕就可以完成交易，另一方面信息技术使得大量数据的存储成为可能。分析处理数据在更短的时间内找到价格走势同时产生交易的信号，就可能有获得超额收益的机会。 本文选择外汇市场上主要汇率品种的交易数据，运用统计方法和机器学习技术优化技术指标建模等方法进行交易策略设计。本文得到的大量分析结论不仅具有较强的理论参考价值，对于微观交易策略的设计也具有一定的实践指导意义。 文章的研究内容具体包括以下几个方面: （一）本文研究的统计交易策略不仅考虑了模型的不确定性，同时还考虑了经典风险之外的超额风险因素。由于实际市场并不具备完全的有效性，因此允许超额收益率的存在，来弥补投资者在信息收集和处理中所付出的代价。本文考虑了结合套利定价理论(APT)构建收益率差的状态空间模型，使用Kalman滤波来预测未来收益率差走势，并根据预测的走势与实际收益率差的波动来构建交易策略。我们假设配对的收益价差受一个隐含的状态变量x的驱动，该隐含的状态变量满足一个扩散的布朗随机过程。同时我们将基于状态空间模型的配对交易模型与经典统计套利策略在外汇市场的应用进行对比，主要考虑基于对市场价格时间序列图形的模式分析的技术交易策略、配对交易策略(pairstrading)和动量策略(momentum strategy)。实证结果表明，基于状态空间模型的配对交易策略比经典的统计套利策略在年平均收益率上有了明显提高，同时交易次数比基于协整的配对模型有了大幅增加。这也表明了基于状态空间模型的配对交易策略的有效性。 （二）为了选择不同外汇市场交易所采用的模型，本文使用蒙特卡洛模拟方法来比较了构建的三种模型（神经网络模型、支持向量机模型、多元适应性回归样条模型）的市场适应性。本文考虑了外汇市场上8种主要的外汇货币对，通过所选择出来的模型进行交易，发现不同的外汇价格时间序列选择模型有所不同，同时得到了结论:在不同的外汇市场上使用不同的模型会比单一模型获得更高的收益率，这在一定程度上也解释了适应性市场假设(AMH)，即单一的投资策略难以应付市场环境的变化。 （三）通过一种基于图形结构的进化算法---GNP(Genetic NetworkProgramming)来构建外汇市场交易策略。GNP是一种由GP(GeneticProgramming)扩展的进化算法，通过一种更加灵活的图状结构表达，展现出更好的表现能力和搜索能力。每一代种群中各个个体由包含技术指标的判断节点和包含开仓、平仓信息的执行节点通过有向边彼此连接构成，且种群会在特定外汇汇率时间序列环境下进化。适应度函数代表个体适应环境的能力，通过Calmar比率，即使用最近的收益除以最大的下降幅度(drawdown)，强调用更加关注策略的近期状况来描述。我们使用训练样本数据来进化种群，同时使用测试样本数据来检验我们进化得到的最优个体（即最优的GNP）的表现。实证的结果为:最优个体在训练数据的表现非常好，往往会得到超额的收益。同时在测试数据下，如果考虑交易成本等因素，GNP-RL得到的最优个体交易可以获得显著的正收益率，同时如果不考虑交易成本，则最优个体往往表现出色，会产生明显的正收益。这在一定程度上也反映了GNP-RL优越的市场适应性，即可以根据市场情况的变化来改变选取的技术指标。这就说明通过GNP-RL方法得到的技术交易策略具有一定的预测能力，市场并不是完全有效的。 （四）以一种基于GNP-SMT技术的关联规则方法，来进行下一手的外汇投资决策。首先，我们对外汇序列的分形特性进行检验，以保证SMT策略背后逻辑的正确性。同时区别于以往关于关联规则的方法，这种技术没有了记录的概念，规则是通过汇率上升下降的数据来获得。我们将每一代种群进化出来得到的重要的有效规则放入两个测量池中，即上升池和下降池，通过计算价格序列与两池的平均匹配度来计算下一手上升或下跌概率，然后根据预测出来的概率大小决定下一手的投资状况。与（三）中有所不同的是，这一节主要讨论将实时的价格数据转化为价格上升下降序列后的交易策略，数据主要根据汇率波动中上升下降的记录获得。通过对微观数据的检验，在引入风险机制下，投资模型会获得超额收益。这也间接表明市场在微观条件下，会存在非理性的因素。 （五）本文利用马尔科夫过程首次对GNP的收敛性进行了讨论。我们将GNP进化过程模拟成有限状态的马尔科夫链过程，通过对转移矩阵的相关研究，表明在满足一定条件下，GNP算法会收敛到全局最优解。 （六）对交易策略的进一步总结。我们通过结合统计方法和机器学习技术来构建交易策略，在微观交易中取得了好的收益率，同时比较深入地讨论了这种技术交易策略的含义及其背后的风险因素。同时提出观点:市场中没有绝对的效率存在，技术投资策略的不断创新会带来超额的收益率，这也验证了AMH理论的核心内容。