增强学习算法在配对交易策略中的应用研究——以中国银行间债券为例

摘要

最近的研究表明，随着配对交易策略的日益流行使得使用该策略的交易员获利机会变得越来越有限。因此对于从事量化交易的交易员来说，如何优化配对交易策略赚取更大的价差收益变得尤为重要。在这篇论文中，我们通过对增强学习算法(Reinforcement learning algorithm)的研究，使得配对交易的最优交易模式得到进一步的提高。增强学习算法是一种利用先前的经验值，选择最优适配参数，不断最大化目标函数的方法。我们最终的研究成果将呈现出一整套增强学习算法结合协整的配对交易方法，来大大提升交易策略的执行效果，它将超越目前已有的其他配对交易方法。本次研究主要选取中国银行间各期限的债券(国债、金融债，企业债）的收益率数据作为研究对象，寻找他们之间的配对交易机会。

目录

第一章 绪论

1.1研究背景和意义

1.2本文框架

1.3文献综述

第二章 配对交易模型

2.1配对交易方法综述

2.2协整和误差修正模型

2.3协整检验

2.4配对交易策略:协整法

2.5配对交易策略性能评估

第三章 增强学习算法

3.1增强学习概述

3.2增强学习原理

3.3增强学习的组成要素

3.4增强学习算法实现

第四章 基于增强学习的协整配对交易法

4.1交易算法描述

4.2研究数据

4.3仿真参数设置

4.4仿真回测结果

4.5鲁棒性测试

第五章 结论

参考文献

致谢

声明