《基於高維數據聚類的算法交易策略若干關鍵問題研究》是依託武漢大學，由王峰擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於高維數據聚類的算法交易策略若干關鍵問題研究
- 項目類別：青年科學基金項目
- 項目負責人：王峰
- 依託單位：武漢大學
項目摘要,結題摘要,
項目摘要
算法交易是根據當前的市場信息、數據等分析推斷市場走勢，從而制定交易策略的一種新興交易手段。現有的算法交易模型及其相應的交易策略制定問題由於受到數據的動態、多關聯、高維等特性的制約，一直沒有得到很好的解決。高維數據聚類的最新進展為解決上述問題提供了新的思路。基於高維數據聚類的算法交易策略是目前算法交易領域的一個研究熱點。本項目圍繞高維數據聚類的算法交易策略中的數據特徵降維、相似性度量、初始聚類中心設定及算法交易模型建立等關鍵問題展開研究，解決動態、多關聯、高維數據的聚類問題，提出適合算法交易數據的聚類算法，建立基於關聯特徵的算法交易模型並根據該模型制定相應的交易策略。項目研究成果對於完善現有的算法交易策略的理論和算法以及拓展聚類分析的套用都具有重要的研究價值，同時可以為實際的金融市場決策提供可行的解決方案及科學依據。
結題摘要
本課題圍繞算法交易中高維海量數據分析和算法交易策略模型建立等關鍵問題展開了研究。針對網路新聞動態變化、高維、高噪聲的數據特性，研究提出並構造出了一種基於互信息的特徵降維方法和相似性度量算法。基於該算法，完成了新聞文本中對特徵描述關鍵字的分類研究，並通過引入多核學習機制，對歷史新聞和市場價格等數據的統計分析，搭建了基於服務的多源信息預測模型框架。進一步研究分析了各類算法交易數據之間混合動態變化的關係，採用了一種基於多核學習的方法分別就不同類型的數據進行了數據分析。同時，充分考慮了實際算法交易套用中對預測精度、以及預測速率的高要求，引入了一種新的學習極限學習機算法習模型進行了改進。基於上述工作，研究設計了一種基於事件驅動的市場交易策略模型，並提出了基於有監督學習的一個交易信號生成框架。上述成果可為金融市場決策提供可行的解決方案和科學依據。
