基于Hurst指数的量化投资择时研究开题报告

1. 研究目的与意义

自量化投资于二十世纪诞生于国外以来，其利用计算机技术，采用一定的数学模型实际实施投资理念、实际操作投资策略的方式获得了大量的认可，近年量化投资在国内的资本市场上的运用也愈发频繁，但仍旧不够成熟。

本文就其中的量化择时投资部分进行了研究，针对该问题在分形理论的基础上从Hurst指数入手，分析历史数据对价格的影响，具体就沪深300的数据加以分析，判断它的市场转折点从而进行择时分析。

2. 研究内容和预期目标

从中国股票市场的特征看，大多数研究报告的结论是中国股票市场并不是有效市场，也就是说中国股票市场的波动具有序列相关性，历史数据对股票价格形成产生一定的作用。

因此，可通过对历史信息的分析来进行价格波动的预测。

本文以沪深300的历史数据为研究数据，分析它的长期记忆性，并进行实证分析以验证它的可能，从而更好的进行投资。

3. 国内外研究现状

量化投资自二十世纪五十年代由markowitz建立方差模型将数理工具初次运用于金融研究后，后来的专家学者在六十年代推出了资本资产定价模型，这成为金融投资的理论基础。

同时在六十年代也形成了有效市场假说，该假说囊括了理性投资者、有效市场、随机游走几方面，它主张证券价格不可通过历史数据或是别的信息推测而得。

二十世纪七十年代，金融衍生产品的定价成为人们关注的重点，在这一时期金融理论中出现了期权定价模型、套利定价模型和多因素定价模型。

4. 计划与进度安排

1．2022年11月10日--完成选题 2．2022年11月30日前--阅读大量资料并选取有用资料待用，积累最新信息，完成开题工作 3．2022年3月18日前--完成初稿和中期检查 4．2022年4月30日前--完成论文修改、定稿、外文文献翻译 5．2022年5月25日前--完成所有资料的整理、论文的再修改和装订，并准备好参加学院组织的论文答辩

5. 参考文献

[1]丁鹏. 量化投资：策略与技术[M].北京：电子工业出版社，2016. [2]叶中行，曹奕剑. Hurst指数在股票市场有效性分析中的应用[J].系统工程，2001，（3）：21-24. [3]柴闫明. 中国股票Hurst指数的计算与实证分析[J].中国市场，2016，（16）：75-77 88. [4]余立威，陈涛. 股票市场的长记忆及其动态结构[J].数理统计与管理，2017：1-14. [5]庄新路，庄新田，田莹. Hurst指数及股市的分形结构[J].东北大学学报，2003，（9）:862-865. [6]杨晓东. 中国股票市场分形特征及复杂性研究--基于Hurst指数的解释和应用[D].浙江：浙江工商大学，2008. [7]赵仕军，徐炳振. 动态Hurst指数对股票价格(指数)趋势的判断[J].宁波大学学报（理工版），2011，（4）：79-82. [8]赵尚梅，唐杰. 中国证券市场随机游走实证研究[J].财贸经济，2008，（4）：42-47. [9]覃邑龙，应益荣. 重标极差方法下时变Hurst指数的构建和实证研究[J].系统管理学报，2011，（5）：620-626. [10]苑莹，庄新田. 股指时间序列的多重分形Hurst分析[J].管理学报，2007，（4）：449-452 45. [11]赖川波. 中国股票市场时变Hurst指数及多重分形分析[D].浙江：浙江工商大学，2009. [12]黄宏运，吴礼斌，李诗争. GA优化的SVM在量化择时中的应用[J].南京师范大学学报（工程技术版），2017，（1）：72-79. [13]纳兰. 打开量化投资的黑箱[M].北京：机械工业出版社，2012. [14]李志鸿. 国内商品期货#8220;短周期#8221;量化投资策略研究[D].浙江：浙江大学，2017. [15]朱臻. 指数基金增强策略创新研究[J].财会月刊，2012，（36）：46-48. [16] D Grech,Z Mazur. Can one make any crash prediction in finance using the local Hurst exponent idea?[J]. Physica A: Statistical Mechanics and its Applications, 2004, （1）：133-145. [17] David M. Mason. Stochastic Processes and their Applications. The Hurst phenomenon and the rescaled range statistic[J]. Stochastic Processes and their Applications,2016,（8）：3790-3807. [18] Fabienne Comte, Eric Renault. Long memory in continuous‐time stochastic volatility models[J]. Mathematical Finance, 1998, （4）：291-323. [19]SANG Hong wei,MA Tian,WANG Shuo zhong School of Communication and Information Engineering, Shanghai University, Shanghai 200072, China. Hurst Exponent Analysis of Financial Time Series[J]. Journal of Shanghai University,2001,（4）:269-272. [20] Yin-Wong Cheung, Kon S.Lai. A search for long memory in international stock market returns[J]. Journal of International Money and Finance,1995,（4）：467-615. [21] Shanshan He, Yudong Wang. Revisiting the multifractality in stock returns and its modeling implications[J]. Physica A: Statistical Mechanics and its Applications,2017,（1）：11-20.