基于MATLAB的实时证券投资机会挖掘设计

关键词 MATLAB应用 投资跟踪 模型投资 在证券交易中 越来越多的金融产品让中小投资者既迫不及待又无从下手 同时 大量的数据更是令普通投资者望&ldquo 数&rdquo 兴叹。如何在众多的&ldquo 价格&rdquo &ldquo 时机&rdquo 中选择最优，无疑不是投资者最关系和最需要解决的问题。 任何一种成功的投资策略需要经得住数据的检验以及能够随着环境的改变而更新，因此，一项成功的投资策略至少需要包含两个部分第一，模拟投资检验 第二，投资策略搜寻。 1经验策略检验设计 经验策略是投资者在研究学习证券以及实际操作中所摸索出的经验规则。在所有的经验规则中，能用计算机描述其特征，并且能收集到规则所需的数据，都可以用计算机进行检验。 一般来说，经验策略检验可以分为以下步骤 ①建立规则所需的数据库。根据不同的规则，所需的数据不尽相同。常见的交易数据基本没有延迟，但财务数据延迟时间较长，在短时间内我们可以认为公司的规模以及基本面无变化。 ②建立计算机能识别的交易模型。在所有的投资模型中，都需要定量化，以便能让计算机程序识别。 ③在交易数据库中匹配定义的模型。在数据库中寻找匹配的模型，让计算机进行自动交易，给出自动交易的时间跨度，交易的收益率，建立收益概率图，以便找出投资风险与收益。 ④评判模型的好坏。一般来说，评判模型好坏的关键点在于在概率意义上能够获利。退一步来说在概率意义上能否&ldquo 超越市场&rdquo ，即跑赢大盘。 ⑤建立优秀的模型库。选出基于概率意义上能够获利的模型，组建自己投资策略的模型库。以便在更新了的交易数据库中挖掘出有利的投资机会。 2投资机会的挖掘 当拥有了较为可靠的投资模型后，接下来的任务就是进行投资机会的挖掘，实时更新自己的数据库（包括交易数据库以及模型库），在数据库中匹配能够获利的模型。 ①模型的匹配。在整个实时的交易数据库中搜寻出每一个与模型库中可匹配的模型。在搜寻过程中，需要注意模型要求的环境，严格按照模型规则进行搜集。 ②选择最优模型进行严格按照模型投资。当在整个市场中找出所有的可能的投资模型后，需要根据预先计算出的投资模型收益率分布图找到其期望收益率以及风险大小以便选择最合适的投资模型。 ③投资跟踪。当选择了一种确定的投资组合以及模型后，需要跟踪投资，严格按照模型的规则进行退出或对冲操作。当交易结束