一种基于行为金融学的策略发现方法技术

本发明专利技术公开了一种基于行为金融学的策略发现方法，设定股票池，对股票池中的股票进行数据清洗，数据清洗包括缺失值处理、数据量不足的删除处理以及数据的标准化处理，从清洁数据中提取因子，使用清洁数据计算因子值，以收益率为标签，利用机器学习算法，建立多因子模型，以机器学习算法给出的因子重要性排序为基础，从行为金融学角度设置基准K线，即考虑了数学模型提供的理性分析结果，也考虑了众多市场参与者的合力形成的K线组合，通过设置基准K线形成的自发现策略，可以包含一大类符合要求的K线组合，持仓周期的不确定性为主动投资者提高收益率提供了极大的操作空间，为被动投资者提供了一定的盈利空间，提供了风险控制机制。提供了风险控制机制。提供了风险控制机制。

【技术实现步骤摘要】
一种基于行为金融学的策略发现方法


[0001]本专利技术属于金融学
，具体涉及一种基于行为金融学的策略发现方法。

技术介绍

[0002]金融市场是一个极为活跃的交易场所，丰富的金融交易品种、多变的金融衍生品工具、强大的各种分析软件和策略为各种类型的投资者通过了极大的选择空间。在诸多金融市场中，证券市场由于门槛较低，专业要求较低，吸引了众多投资者参与其中。
[0003]证券市场分析方法大致可以分为两类：技术分析和量化分析。技术分析的基本思想是相信历史会重演，价格可以反映市场上的所有信息。技术分析中最常用的是基本面分析和K线分析。基本面分析是最早诞生的分析方法，它从金融理论或经济学的角度对企业价值进行评估或对股票价格进行预测。基本面分析需要适当的分析框架和足够的信息来源，这与分析人员的知识水平和个人经验有关。K线分析以K线图为基本分析工具，通过K线图反映的信息来预测未来价格的变化。K线图能够全面透彻地观察到市场的真正变化，既可看到股价的趋势，也同时可以了解到每天市场情况的波动。量化分析利用数量化方法，对金融市场进行分析、判断和交易，以量化分析为手段的投资方式统称为量化投资。量化投资技术几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易，资产配置，风险控制等。
[0004]量化投资中，最常用的量化模型是多因子模型，它的基本思路是将个股收益率解释为一系列因子的函数，即
[0005]r＝x1f1+x2f2+
…
x
n
f
n
+ε，
[0006]其中f1,f2,
…
,f
n
为n个因子，x1,x2,
…
,x
n
为个股对n个因子的风险暴露系数，r为个股收益率，ε为个股特殊收益，通常采用滑动窗口计算风险暴露系数，多因子模型的核心是确定影响个股收益率的因子，目前主流的多因子模型的因子库包含了诸多大类因子，包括技术因子、成长因子、动量因子、价值因子、财务因子和宏观因子等，每个大类因子又包括若干小类因子。多因子模型首先确定进入模型的因子，通过历史数据计算因子值，计算个股对这些因子的风险暴露系数，再将最新一期的因子值代入，得到个股下一期的预测收益。
[0007]现代金融学假设资本市场参与者都是计算机，都是没有情绪的、超级理性的，行为完全遵循利益的原则，但事实并非如此，投资者通常具有从众心理，容易产生“羊群效应”。行为金融学统计行为心理特征，然后用其解释资本市场的现象。它的不足是发现了问题，但没有解决问题。它发现了人的心理特征是股市变化的决定性原因，也发现了一系列人类共有的具体心理特征，并且给出了具体心理特征对投资成败的影响，但是它没有指出投资者应如何克服这些不利于投资的固有的心理特征。
[0008]持仓期的风险控制，为实现一次完整的交易，一旦设置了基准K线，可以按照基准K线的性质，执行买入或者卖出的操作，直到出现相反性质的基准K线，整个持仓周期或者空仓周期的长短不确定，完全取决于市场参与者的行为形成的K线组合形态，在此期间，需要控制整个持仓的风险，防止出现较大回撤。

技术实现思路

[0009]本专利技术的目的在于提供一种基于行为金融学的策略发现方法，以解决的问题。
[0010]为实现上述目的，本专利技术提供如下技术方案：一种基于行为金融学的策略发现方法，具体步骤如下：
[0011]S1、设定股票池，对股票池中的股票进行数据清洗，数据清洗包括缺失值处理、数据量不足的删除处理以及数据的标准化处理。
[0012]S2、从清洁数据中提取因子，使用清洁数据计算因子值，以收益率为标签，利用机器学习算法，建立多因子模型；
[0013]S3、数据标准化，通常成交量的数量级远大于价格的数量级，为避免不同因子之间数量级相差较大对整个模型造成影响，将成交量数据标准化到与价格数据有相同的数量级，具体计算公式为：
[0014][0015]其中min,max分别表示序列中的最小值和最大值，x表示原式数据值，level(price)为价格数据的数量级；
[0016]S4、根据因子的重要性排序，利用行为金融学理论，设定符合市场参与者心理的基准K线，具体为，建立多因子模型之后，根据预测收益率，给出开盘价、最高价、最低价、收盘价和成交量的重要性排序，以此作为设置基准K线的主要标准，具体包括：上升起点K线、下降起点K线、上升终点K线、下降终点K线和盘整形态K线；
[0017]S5、以基准K线为起点，寻找符合条件的K线组合，形成自发现策略，具体过程为：按照预先设定的周期，对股票池中的股票和持仓的股票，分别识别上升起点、下降起点、上升终点、下降终点和盘整形态五种基准K线，形成如下三类策略；
[0018]S6、以自发现策略为基础，根据仓位管理要求和止盈止损要求，形成完整的交易策略，具体过程为：
[0019]根据仓位管理和风险控制要求，计算最优权重。记可供建仓的股票最大数目为H，个股的预期收益为r
i
，个股权重为w
i
，总头寸约束为A，标志符为1的股票集合记为S
normal
，建仓上限额度A
normal
，标志符为0的股票集合记为S
Limit
，建仓上限额度A
limit
，整个组合中股票的协方差矩阵为Σ，整个投资组合风险上限为R，建立如下最优化模型以求得最优权重：
[0020]max w1r1+w1r2+
…
+w
H
r
H
[0021]s.t.w1+w2+
…
+w
H
≤A
[0022]w
i
≤A
normal
,i∈S
normal
[0023]w
j
≤A
limit
,i∈S
limit
[0024]w
T
∑w≤R
[0025]其中w＝(w1,w2,
…
,w
H
)
T
。
[0026](3)、识别盘整形态基准K线所得股票，如果股票价格较高，并且已经持有这些股票，按照仓位管理要求和风险控制要求，执行减仓；如果尚未建仓，保持观望，如果股票价格较低，并且已经持有这些股票，持仓；如果尚未建仓，按照仓位管理要求和风险控制要求，执行买入。
[0027]优选的，所述步骤S2中，在利用清洁数据构建以收益率为标签的多因子模型时，采
用的算法包括最小二乘法、时间序列分析方法、机器学习方法和深度学习方法。
[0028]优选的，所述步骤S4中，利用行为金融学理论，设定符合市场参与者心理的基准K线，基准K线包括上升起点K线、上升终点K线、下降起点K线、下降终点K线和缠绕K线组合中的一种或几种。
[0029]优选的，所述步骤S5中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于行为金融学的策略发现方法，具体步骤如下：S1、设定股票池，对股票池中的股票进行数据清洗，数据清洗包括缺失值处理、数据量不足的删除处理以及数据的标准化处理。S2、从清洁数据中提取因子，使用清洁数据计算因子值，以收益率为标签，利用机器学习算法，建立多因子模型；S3、数据标准化，通常成交量的数量级远大于价格的数量级，为避免不同因子之间数量级相差较大对整个模型造成影响，将成交量数据标准化到与价格数据有相同的数量级，具体计算公式为：其中min,max分别表示序列中的最小值和最大值，x表示原式数据值，level(price)为价格数据的数量级；S4、根据因子的重要性排序，利用行为金融学理论，设定符合市场参与者心理的基准K线，具体为，建立多因子模型之后，根据预测收益率，给出开盘价、最高价、最低价、收盘价和成交量的重要性排序，以此作为设置基准K线的主要标准，具体包括：上升起点K线、下降起点K线、上升终点K线、下降终点K线和盘整形态K线；S5、以基准K线为起点，寻找符合条件的K线组合，形成自发现策略，具体过程为：按照预先设定的周期，对股票池中的股票和持仓的股票，分别识别上升起点、下降起点、上升终点、下降终点和盘整形态五种基准K线，并且形成三类自发现策略；S6、以自发现策略为基础，根据仓位管理要求和止盈止损要求，形成完整的交易策略，具体过程为：根据仓位管理和风险控制要求，计算最优权重，建立如下最优化模型以求得最优权重：mac w1r1+w1r2+
…
+w
H
r
H
s.t.w1+w2+
…
+w
H
≤Aw
i
≤A
normal
,i∈S
normal
w
j
≤A
limit
,i∈S
limit
w
T
∑w≤T其中w＝(w1,w2,
…
,w
H
)
T
；记可供建仓的股票最大数目为H，个股的预期收益为r<...

【专利技术属性】
技术研发人员：袁泉，张德平，
申请(专利权)人：南京道平方科技有限公司，
类型：发明
国别省市：