全文总字数：5650字

1. 研究目的与意义及国内外研究现状

目的：构建可行的混合模型去预测沪深300指数波动率，并根据预测的波动率设计可行有效的交易策略，以期跑赢沪深300指数大盘的累积收益率。

意义：在大数据时代，正统人工交易地位已不如从前，相对于愈发主流的程序化交易，人工交易拥有很多劣势第一，各种复杂金融产品诞生，例如结构化产品和金融衍生品（期权期货等），单靠交易员去交易这些多样化的产品是不现实的，所以得依靠特定的程序设定好交易信号后进行买卖，可将风险损失减至最低同时将收益提升至最大；第二，随着金融全球化，可以24个小时进行连续交易，但是交易员的精力毕竟是有限的，长时间盯盘会导致精神疲乏，甚至出现下单失误的现象，而且再优秀的交易员从看到交易信号开始到进行交易会有一定的反应时间而产生延迟，可能会损失部分收益，但是程序化交易速度极快，下单时间仅为几毫秒甚至更短；第三，程序化交易可以胜任交易员重复且琐碎的盯盘行为，从而保障交易员去从事更具挑战性的工作，因为盯盘就是为了寻找交易信号，不妨将交易信号编程后让计算机去执行，交易员就可以有更多的时间去研发策略，寻找更优的交易信号，从而取得更多的投资收益回报。所以，无论是对大型金融机构还是对个人投资者来说，设计可行的交易策略太重要了。

2. 研究的基本内容

波动率交易策略无论是在学术界还是业界都炙手可热，由于交易是基于未来的趋势判断所进行的，所以在设计有效可行的交易策略之前对波动率的精确预测就显得极度重要。本文的目标是依据设计的混合模型，选出最优的那个模型并基于预测出的波动率来设计一个可行的交易策略，以期实现有效的算法交易。波动率算法交易中较有挑战的问题之一就是对条件性波动率的预测，首先基于GARCH族模型利用小波支持向量机和Elman神经网络构建6个混合模型GARCH-WSVM、EGARCH-WSVM、GJR-GARCH-WSVM、GARCH-Elman、EGARCH-Elman、GJR-GARCH-Elman，并预测沪深300指数波动率，比较分析ANN类和SVM类的预测效果。最后，基于混合模型预测出的波动率希望设计出一种较为有效的策略，可以跑赢沪深300指数累积收益率。

3. 实施方案、进度安排及预期效果

实施方案：

1. 确定混合模型（2.1-2.28）

2. 实证波动率预测效果 （3.1-3.20）

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   4. 参考文献

   [1]engle r f. auto regressive conditional heteroskedasticity with estimates of the variance of united kingdom inflation[j]. economitrica, 1982, 50(4), 987~1008.

   [2]bollerslev t. generalized autoregressive conditional heteroskedasticity[j]. journal of econometrics, 1986, 31(3), 307~327.

   [3]nelson d b. conditional heteroskedasticity in asset returns: a new approach[j]. econometrica, 1991, 59(2), 347~370.

   剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付