量化投资的主要基础理论

2021-07-2407:43:56量化投资的主要基础理论已关闭评论

量化投资的主要基础理论

人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的、能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器学习、自动推理、专家系统、模式识别、人工神经网络、遗传算法等。人工智能技术用于量化投资的方面主要有:模式识别择时策略、数据挖掘股价预测、遗传算法新股预测等。

数据挖掘主要是研究如何从海量的数据中寻找到内在的规律性,并用该规律性指导未来的应用。数据挖掘主要有分类模型、关联规则、顺序模型、聚类模型等。数据挖掘在量化投资中的应用主要有股票聚类分析、基于关联规则的板块轮动等。

小波变换作为能随频率的变化自动调整分析窗大小的分析工具,在信号处理、计算机视觉、图像处理、语音分析与合成等众多的领域得到应用。小波变化主要内容包括连续小波变换、小波变化的离散化、多分辨分析与Mallat算法。小波分析在量化投资中的应用主要有K线小波去噪、金融时序数据预测等。

支持向量机(SVM)算法是一种学习机制,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中,以期获得最好的泛化能力。SVM在形式上类似于多层前向网络,但是在效率和推广性能方面优于神经网络。SVM在量化投资中的应用主要有复杂金融时序数列预测、趋势拐点预测等。

分形理论主要是研究总体与局部关系的一门学科,在生物学、地球物理学、物理学、经济学等领域都有广泛的应用。几种典型的分形包括三分康托集、Koch曲线、Julia集等。分形理论在量化投资中的应用主要有大趋势预测、汇率预测等。

随机过程是一连串随机事件动态关系的定量描述,常见的随机过程包括独立增量过程、Poison过程、维纳过程、正态过程、马尔科夫(Markov)过程等。随机过程在量化投资中的应用主要是利用马尔科夫链来对股市进行预测。

  • 版权声明:本篇文章(包括图片)来自网络,由程序自动采集,著作权(版权)归原作者所有,如有侵权联系我们删除,联系方式(QQ:452038415)。