ETF投资措施论文提纲

论文题目：基于GA-LSTM的上证50ETF价格预测与期权策略研究

摘要：基于对标的资产价格走势的预判构建方向性择时策略是期权的主要交易策略之一,随着期权在国内市场的迅速发展,研究期权方向性策略具有广阔的市场前景。但长久以来,由于金融时序数据存在随机性及非平稳性特征,股票及其衍生品等金融资产的走势预测是方向性择时交易中的一个难题。深度学习中的长短期记忆网络模型（LSTM）能够处理时间序列的非平稳及复杂性,适用于金融资产价格走势预测及相关策略的构建。本文首先基于上证50ETF的中高频量价数据,通过经实数编码的遗传算法对于LSTM模型构建中的时间窗宽及隐藏层神经元数目进行参数寻优,并使用优化过的GA-LSTM模型预测上证50ETF收盘价。其次,本文根据预测出的价格构建上证50ETF期权方向性择时交易信号,叠加波动率判断指标决策期权交易的买卖方式,构建考虑波动率因素的期权日内方向性交易策略。最后,本文通过不同方向性信号将期权标的市场划分成强弱信号市场及无信号市场,在弱势及无信号市场中增加组合策略交易,并结合策略风险管理措施,帮助策略在交易信号较弱及没有方向性信号的时候获取更多收益,实现策略优化。本文研究结果表明:LSTM模型对于期权标的ETF价格预测误差MSE小于RNN循环神经网络模型,说明LSTM模型在金融时间序列预测问题上优势更强,且使用遗传算法对LSTM模型进行超参数寻优能够在一定程度上训练出最优LSTM模型,提高预测精度。用GA-LSTM模型预测价格、结合波动率判断指标构建的期权方向性日内策略具有较好的回测结果,且通过波动率指标决定交易买卖方式能够提升收益。增加组合策略及风险管理措施优化后的期权投资策略,能够通过在弱势及无方向性信号的市场中增加开仓来提高策略潜在收益且保证有限风险。

关键词：长短期记忆神经网络模型;遗传算法;期权交易策略

学科专业：金融专硕（专业学位）

摘要

ABSTRACT

第一章 绪论

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 研究思路及方法

1.2.1 研究思路

1.2.2 研究方法

1.3 研究内容及框架

1.3.1 研究内容

1.3.2 研究框架

1.4 本文研究贡献

第二章 相关理论及文献综述

2.1 相关理论

2.1.1 长短期记忆神经网络原理

2.1.2 遗传算法原理

2.2 相关文献

2.2.1 神经网络在金融时间序列预测应用中的研究文献

2.2.2 遗传算法在金融时间序列预测应用中的研究文献

2.2.3 文献评述

第三章 基于GA-LSTM模型的上证50ETF价格预测

3.1 GA-LSTM预测上证50ETF价格的原理及思路

3.2 基于LSTM的上证50ETF价格预测模型构建

3.2.1 数据预处理

3.2.2 LSTM神经网络模型参数设置

3.3 基于遗传算法的LSTM价格预测模型超参数优化

3.3.1 问题候选解及染色体编码

3.3.2 初始参数设置

3.3.3 适应度函数构建

3.3.4 遗传算法进化操作

3.3.5 遗传算法优化结果

3.4 GA-LSTM模型价格预测结果分析及模型对比

3.4.1 单一LSTM模型价格预测结果及评价

3.4.2 GA-LSTM模型价格预测结果及评价

3.4.3 与RNN循环神经网络模型价格预测结果对比

第四章 基于GA-LSTM模型的上证50ETF期权投资策略构建

4.1 基于GA-LSTM模型的上证50ETF期权投资策略思想

4.2 基于GA-LSTM模型的期权投资策略构建

4.2.1 数据获取

4.2.2 交易合约的选择

4.2.3 波动率指标及交易方式的选取

4.2.4 搭建策略框架

4.3 策略回测及绩效评价

4.3.1 策略回测参数设定

4.3.2 策略回测结果分析

4.3.3 引入波动率判断指标前后的策略回测结果对比

第五章 基于组合策略的上证50ETF期权投资策略优化

5.1 基于组合策略的上证 50ETF 期权策略优化思路

5.2 基于组合策略的优化策略回测结果绩效分析

5.2.1 引入牛熊市价差交易的优化策略回测结果

5.2.2 引入跨式策略交易的优化策略回测结果

5.2.3 引入风险管理的策略思路及回测结果绩效分析

结论

参考文献

致谢