摘要
配对交易是股票市场预测的一种方法,它通过对相关联的两个股票进行交易以实现投资目标.通过分析股票之间的价格关系,配对交易可以帮助投资者降低市场风险,并在股价波动中获利.配对交易是一种数据驱动的策略,通过使用股价数据和统计技术来识别有利的交易机会.本文提出了一个基于配对交易的多阶段算法框架.在该方法中,我们通过K邻近聚类算法计算股票之间的特征相似度排名,根据相似度排名对相似特征的关联股票进行分组,利用机器学习分类器进一步对聚类代表进行特征提取和特征降维以获得高度相关的关联特征,并最终通过机器学习线性回归验证该聚类算法对于股票配对交易的可行性.在本文中,我们使用S&P 500股票的数据对该方法进行了经验评估:我们比较了几种技术变体的风险和回报指标与买入持有基准的差异.
NETL
NSTL
维普
万方数据