跳至正文
返回文库全部文档

结合MLP预测与马科维茨投资组合的中国股票日内交易

文章 arXiv papers · 作者: Q. Wang et al.
阅读原文

总结

本文概述一种适用于中国股票的日内策略，以应对市场的T+1交易限制。该策略结合多层感知机（MLP）的预测与马科维茨投资组合优化，并使用上海和深圳证券交易所公布的股票数据。其目标是在交易策略中同时评估日内价格预测和投资组合构建。

文章报告的实证发现称，马科维茨优化实现了盈利，且基于MLP的日内价格预测得到验证。随后，文章结合这两项结果，认为该策略具有可行性。不过，摘录没有提供样本时期、资产选择细节、模型规格、表现数据、交易成本处理方式或样本外流程。因此，无法仅凭这段描述独立评估这些主张，也不能据此证明该方法在实盘交易或其他市场条件下能够持续盈利。

核心观点

  • 该策略将MLP价格预测与马科维茨投资组合优化结合，用于中国股票日内交易。
  • 该方法围绕T+1交易限制进行设计。
  • 研究使用上海和深圳证券交易所公布的数据。
  • 摘录报告了有利的实证结果，但未提供评估稳健性或实盘表现所需的细节。

标签

股票机器学习投资组合构建中国市场
全文
# Intraday trading strategy based on time series and machine learning for Chinese stock market


# Intraday trading strategy based on time series and machine learning for Chinese stock market









This article comes up with an intraday trading strategy under T+1 using Markowitz optimization and Multilayer Perceptron (MLP) with published stock data obtained from the Shenzhen Stock Exchange and Shanghai Stock Exchange. The empirical results reveal the profitability of Markowitz portfolio optimization and validate the intraday stock price prediction using MLP. The findings further combine the Markowitz optimization, an MLP with the trading strategy, to clarify this strategy's feasibility.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。