股指期货量化投资模型分析

毕业设计（论文）

题 目 股指期货量化投资模型分析

姓 名 谢丹琼

学 号 30701043

专业班级 统计0701班

所在学院 计算分院

指导教师（职称） 刘桂梅（讲师）

二○一一 年 五 月 十五 日

浙江大学城市学院毕业论文 摘要

股指期货量化投资模型分析

【摘要】 随着股指期货上市后的活跃度来看，该市场有很大的发展空间。本文从量化投资角度研究股指期货的投机交易。首先从时间序列角度对沪深300的价格做预测，了解沪深300整体价格走势。然后根据历史数据对行情进行分析，应用股指期货日内和隔夜策略进行模拟测试，并分析这两个模型的可行性。在建立模型后，用时间序列的曲线估计进行收益率预测，评估日内股指策略的收益情况。接着根据波动率模型和指数加权移动平均模型对沪深300指数的收益率进行预测风险。最后以风险价值VaR作为风险管理的一种手段，采用蒙特卡洛模拟法预测VaR的值。最后从操作平台开发角度分析了IT在股指期货量化投资模中的应用及发展前景。本文研究的创新在于股指日内和隔夜策略在实际交易中的应用，该模型在实际交易中有较高的收益和胜算率，具有一定的稳定性。 【关键词】 股指期货，交易系统，风险管理，VaR模型，时间序列

I

浙江大学城市学院毕业论文 Abstract

Analysis of Stock index futures quantizing

investments model

【Abstract】 Along with the stock index futures listed a years of active degree to see, this market has very big development space. This article from quantitative investment research the stock index futures speculative trading. First, from the perspective of time series forecast shenzhen 300‘s price and understand the overall price trend of shenzhen 300. Then applying a stock index futures days and overnight strategy go to test according to historical data, analysis the feasibility of these two models. After the established model, forecast for yield rate by using time series, evaluate the yield of stock index days strategy.And this paper did risk prediction by using volatility and index weighted moving average model. Finally, with risk value VaR as a means of risk management, use Monte Carlo simulation method to predict the value of VaR. At last, from the working platform point, analysis the IT technology in quantitative investment model in stock index futures in the application and development prospects. This paper studies innovation points is point to days in practical strategies and overnight strategy with the applications deal. This model in actual transactions has higher Income and Prospect of success rate and has certain stability rate.

【Key Words】 stock index futures，trading system，risk management ，VaR model，Time series

II

浙江大学城市学院毕业论文 目录

目录

第1章 绪论 ....................................................................................................................... 1

1.1 本课题研究意义 .................................................................................................. 1

1.1.1 国内外研究现状 ....................................................................................... 1 1.2 课题主要研究内容 .............................................................................................. 2

1.2.1 研究重点和难点 ....................................................................................... 2 1.2.2 拟解决的关键问题 ................................................................................... 3

第2章 股指期货介绍 ....................................................................................................... 4

2.1 股指期货基础知识 .............................................................................................. 4

2.1.1 股指期货的作用 ....................................................................................... 4 2.1.2 影响股票价格波动的因素 ....................................................................... 4 2.1.3 股指期货风险 ........................................................................................... 5 2.2 股指期货交易策略分类 ...................................................................................... 6

2.2.1 股指期货套期保值 ................................................................................... 6 2.2.2 股指期货投机交易 ................................................................................... 6 2.2.3 套利 ........................................................................................................... 6

第3章 股指期货交易模型 ............................................................................................... 8

3.1 时间序列预测股指期货长期趋势 ...................................................................... 8

3.1.1 历史移动法预测长期趋势 ....................................................................... 8 3.1.2 指数平滑法预测趋势 ............................................................................... 9 3.2 股指期货实战交易模型 ...................................................................................... 9

3.2.1 股指日内策略 ........................................................................................... 9 3.2.2 股指隔夜策略 ......................................................................................... 11

第4章 风险预测与管理 ................................................................................................. 13

4.1 风险预测 ............................................................................................................ 13

4.1.1 时间序列曲线估计模型 ....................................................................... 13 4.1.2 波动率模型 ............................................................................................. 15 4.1.3 指数加权移动平均模型（EWMA） .................................................... 16 4.2 风险管理 ............................................................................................................ 17

4.2.1 VaR的表示方 .......................................................................................... 17 4.2.2 VaR计算方法 .......................................................................................... 17 4.2.3 头寸变化 ................................................................................................. 19

第5章 操作平台开发 ..................................................................................................... 20

III

浙江大学城市学院毕业论文 目录

5.1 IT与系统开发 .................................................................................................... 20

5.1.1 IT作用的关键点 ..................................................................................... 20 5.1.2 硬件管理和网络管理 ............................................................................. 20 5.1.3 软件平台建设与管理 ............................................................................. 21 5.2 操作平台开发目标 ............................................................................................ 21

5.2.1 机器人的实现 ......................................................................................... 22 5.2.2 云计算的应用 ......................................................................................... 22

结论 ................................................................................................................................... 23 参考文献 ........................................................................................................................... 25 附录 ................................................................................................................................... 27 致谢 ................................................................................................................................... 36

IV

浙江大学城市学院毕业论文 图目录

图目录

图3.1 历史移动平均法预测收盘价 ................................................................................. 8 图3.2 股指日内交易系统资金曲线 ............................................................................... 10 图3.3 股指隔夜交易系统资金曲线 ............................................................................... 12 图4.1 3种曲线预测值的对比图 ..................................................................................... 14 图4.2 IF000日收益时序图 .............................................................................................. 16 图4.3 VaR预测收益率 .................................................................................................... 19

V

浙江大学城市学院毕业论文 表目录

表目录

表3.1 股指日内测试报告 ............................................................................................... 11 表3.2 股指隔夜测试报告 ............................................................................................... 12 表4.1 三次函数预测5天的累计收益 ........................................................................... 14

VI

浙江大学城市学院毕业论文 第1章 绪论

第1章 绪论

1.1 本课题研究意义

股指期货是现代资本市场的产物，出现于20世纪七十年代，当时西方各国受石油危机的影响，经济发展受到很大的冲击，利率的波动也十分剧烈，导致股票市场价格大幅波动。因此，股票投资者迫切需要一种能够有效规避风险，实现资产保值的金融工具[1]。于是，股指期货应运而生[1]。股指期货是以股票指数为标的物，不仅能为股票投资者提供给有效的套期保值避险工具，而且也为以后适时推出外汇期货等金融衍生品提供经验，对股票市场发展具有重要意义[1]。2010年4月16日，股指期货正式在中国金融期货交易所上市。在我国目前的经济条件下，开展股指期货并通过量化有效地控制其风险，对我国证劵市场的规范和发展具有重要意义。

随着我国证劵市场规模的壮大、市场化进程的加快和机构投资者的发展，金融市场在发展过程中积累的内在矛盾不断凸现，其中一个重要的因素是金融交易工具过少，市场缺乏避险工具。所以股指期货作为一个有效地规避工具和投资工具，被越来越多的人所重视，人们对它的研究也有了进一步的深入。随着量化投资的提出，有人将量化投资应用到股指期货的研究中，拓展了股指期货发展的方向，对股指期货的研究起到了重要作用。与定性决策相比，量化投资最大的好处就是避免了基金经理主管决策的随意性，降低了对基金经理个人能力和经验的依赖；同时能够根据严格的组合配置原则，建立符合投资目标的优化投资组合[2]。

1.1.1 国内外研究现状

自从1982年美国堪萨斯期货交易所（KCBT）首先推出价值线指数期货合约起，股指期货在全世界范围内得到迅速发展，股指期货市场已经成为金融市场的重要

1

浙江大学城市学院毕业论文 第1章 绪论

组成部分。国外对股指期货的研究从多种角度着手，主要对股指期货的发展动因、合约的定价、合约的交易行为、发展股指期货对现货市场的影响等几个方面进行了研究。通过历史数据的预测和分析，已经建立一些相应的模型，如灰色模型[3]、神经网络模型[3]、马尔科夫链模型[3]等，并根据这些模型建立了一些相对优秀的交易系统，如Pivot Point[4]系统、Dual Thurst[5]系统、海龟交易系统等。

早在 1990 年，国外学者就开始了对VaR 的研究，主要包括对VaR 的分析评价以及在各个领域的应用两方面。RiskMetrics[6]在其第一版技术文件中对 VaR 的原理做了详细的阐述，包括参数法、历史模拟法、蒙特卡罗模拟法等具体模型原理的说明； RiskMetrics分别就理论界与实务界所提出的问题与建议进行了研究与改进工作。Philippe Jorion[7]将VaR 定义为在正常市场条件下，给定一定的时间区间和置信度水平下预期的最大损失。

随着国际上对金融风险管理的重视和国外学者在VaR 方面研究的逐步深入，1997 年以来国内也开始了对 VaR 的研究。2000 年至今，国内对VaR 的研究有了众多实质性进展，许多学者将VaR运用于我国股票市场做了实证研究，并且对模型的改进进行了创新性的尝试和有益的探索，目前关于VaR 在我国具体领域应用的研究正在逐步深入。

1.2 课题主要研究内容

首先介绍股指期货的基础知识，确定研究方向。然后根据历史数据及已有的一些相关技术指标进行趋势跟踪和判断，用时间序列对行情做预测。第二步主要针对股指期货投机交易进行建模，包括日内策略和隔夜策略，在建立模型后进行跟踪个修改。第三步在建立模型的基础上，进行相应的风险预测和管理，用VaR模型进行投资组合的风险监测。最后再对操作平台的开发进行思考。

1.2.1 研究重点和难点

对于所要建立的策略模型，首先要确定模型的类型，一般根据程序化模型可以分为技术分析类模型，统计类模型，创新类模型。在实际应用中，最常用的是技术分析类模型。该课题研究的方向也是技术分析类模型。

2

浙江大学城市学院毕业论文 第1章 绪论

在确定建立的是技术分析类模型后，接下来有难度的就是技术指标的选取，选择单一的技术指标还是多个技术指标混合使用，这个都需要根据数据来分析判断该指标是否适用这个模型。在选择技术指标时，也需要确定模型是做趋势类模型还是震荡类模型，或者是形态类模型。

模型建立后，对于模型的改进也是一难点。参数的跟踪调试是一件比较困难的事，一般建立的模型都会有参数敏感性的问题，需要及时的调整参数，才能保证策略的高收益。而且在不同周期上的参数也会有很大的不同，需要特别注意。无论是系统的模拟还是实盘中的账户交易，还需要注意头寸的大小和加减仓的问题，目前程序化交易中的策略基本上是固定的头寸，需要靠人为去改变头寸的大小，没有真正做到真正的量化。因此考虑建立动态的头寸管理也是课题研究的难点之一。

最后从系统的风险预测和管理来说，本文主要从风险价值VaR角度进行考虑，

VaR应用的前提是假设资产收益率服从正态分布，但是实际情况下，市场波动幅度是无法完全预测的，因此这种模型具有一定参考价值的同时也存在一定的缺陷。

1.2.2 拟解决的关键问题

对于该问题的研究，最关键的是得到高的收益率和胜算率，因此模型的建立复杂相对比较高。在模型建立前，需要仔细斟酌进场点、出场点、止损点、再次进场点、再次出场点等条件，保证策略有高的收益率和胜算率，尽可能地减少最大回撤。最终建立完整的股指交易策略模型。

在建立模型后对模型的风险进行预测和管理。通过时间序列和VaR方法进行管

理，预测股指期货市场的风险大小。

3

浙江大学城市学院毕业论文 第2章 股指期货介绍

第2章 股指期货介绍

2.1 股指期货基础知识

股指期货（Stock Index Futures）的全称是股票价格指数期货，也称为股价指数期货、期指，是指以股价指数为标的物地标准化期货合约，双方约定在未来的某个特定日期，可以按照事先确定的股价指数的大小，进行标的指数的买卖[8]。

2.1.1 股指期货的作用

对股票投资组合进行风险管理，即防范系统性风险。通常用套期保值来管理股票投资风险。

利用股指期货进行套利。所谓套利，就是利用股指期货定价偏差，通过买入股指期货标的指数成分股并同时卖出股指期货，或者卖空股指期货标的指数成分股并同时买入股指期货，来获得无风险收益[8]。

作为一个杠杆性的投资工具。由于股指期货保证金交易，只要判断方向正确，就可能获得很高的收益。

2.1.2 影响股票指数波动的因素

宏观经济及企业运行状况。一般来说，在宏观经济运行良好的条件下，股票价格指数会呈现不断攀升的趋势；在宏观经济运行恶化的背景下，股票价格指数往往呈现下滑态势。

利汇率水平的高低及趋势。通常来讲，利率水平越高，股票价格指数会越低。其原因在于在利率高企的条件下，投资者倾向于存款，或购买债券等，从而导致股票市场的资金减少，促使股票价格指数下跌；反之，利率水平越低，股票指数就会越高。

4

浙江大学城市学院毕业论文 第2章 股指期货介绍

资金供求状况与通胀水平及预期。当一定时期市场资金比较充裕时，股票市场的购买力比较旺盛，会推动股票价格指数上升，否则，会促使股票价格指数下跌。

经济金融政策。处于对经济市场化改革、行业结构调整、区域结构调整等，国家往往会出台变动利率、汇率及针对行业、区域的政策等，这些会对整个经济或某些行业板块造成影响，从而影响沪深300成分股及其指数走势。

2.1.3 股指期货风险

股指期货本身特有的风险：基差风险、标的物风险、交割制度风险、合约品种差异造成的风险[9]。

从股指期货本身来说，这些风险的存在也是一定的。首先，从基差风险来说，基差等于现货价格—期货价格。期货市场的价格往往是受现货市场价格影响的。期货各种合约之间的风险表现为价格变动的方向相反或价格变动的幅度不同[10]。另外从股指期货本身的标的物来看，其是市场上各种股票的价格总体水平，由于标的物的特殊性，其特定的风险也是无法完全锁定的。股指期货还存在交割风险，因为股指期货采用交割的方式完成清算，相对于其他结合实物交割进行清算的金融衍生品而言，股指期货存在更大的交割风险。

股指期货的投资者常会遇到几类风险：法律风险[10]，投资者选择不具有合法期货经纪业务资格的期货公司从事股指期货交易，投资者权益将无法得到保护；或选择的期货公司在交易过程中违法违规经营行为。市场风险，由于交易保证金交易具有杠杆性，当出现不利行情时，股价指数微笑的变动就可能会使投资者权益遭受较大的损失；价格剧烈波动时会因资金不足而被强行平仓，使本金损失尽殆。操作风险，因人员、系统内部控制不完善等方面的缺陷而导致损失的风险。现金流风险，当投资者无法及时筹措资金满足建立和维持股指期货持仓之保证金要求的风险。连带风险，为投资者进行结算的结算会员或同一结算会员下的其他投资者出现保证金不足、又未能在规定时间内不足，或因其他原因导致中金所对该结算会员下的经济账户强行平仓时，投资者的资产可能因被连带强行平仓而遭受损失[10]。

5

浙江大学城市学院毕业论文 第2章 股指期货介绍

2.2 股指期货交易策略分类

股指期货交易策略根据交易方式的不同可谓分为：股指期货套期保值、投机交易、套利[11]。其中本文主要从投机交易方式出发，建立投机交易的股指期货策略。

2.2.1 股指期货套期保值

股指期货套期保值原理：利用股指期货与股票现货之间的类似走势，通过在期货市场进行相应的操作来管理现货市场的头寸风险[11]。

空头保值[11]：保值者持有一篮子股票现货时，其认为目前股票市场可能会下跌，但如果直接卖出股票，其成本会很高，于是便在股指期货市场建立空头，在股票市场出现下跌时，股指期货可以获利，弥补股票出现的损失。

多头保值[11]：投资者预期要几个月后有一笔资金投资股票市场，但又觉得目前的股票市场很有吸引力，要等上几个月，可能会错失建仓良机，于是便可在股指期货上先建立多头头寸，等到未来资金到位后，股票市场确实上涨了，建仓成本提高了，但股指期货平仓获得的盈利可以弥补现货成本的提高。

2.2.2 股指期货投机交易

股指期货投机原理：利用股指期货预测市场走势以获取利润。若预期市场价格回升，投资者便购入期货合约并预期期货合约价格将上升。

股指期货对冲交易[12]：对冲交易可将价格风险从对冲者转移到投机者身上。对冲是利用期货来固定投资者的股票组合价值。对冲主要受该投资股票组合回报率的波动与股市期货合约回报率之间的关系，即股票组合的风险系数（Beta），指数的现货价格与期货价格的差距，即基点的影响。

2.2.3 套利

股指期货期现套利[13]：针对股指期货与股指现货之间、股指期货不同合约之间的不合理关系进行套利的交易行为。

6

浙江大学城市学院毕业论文 第2章 股指期货介绍

股指期货与现货指数套利原理：股指期货合约和相对应的一篮子股票的交易策略，以谋求从期货、现货市场同一组股票存在的价格差异中获取利润。

7

浙江大学城市学院毕业论文 第3章 股指期货交易模型

第3章 股指期货交易模型

3.1 时间序列预测股指期货长期趋势

时间序列是一种定量预测的方法，本文主要应用历史移动法、指数平滑法来预测股指期货收盘的长期趋势。

3.1.1 历史移动法预测长期趋势

假定最后一期的观察值为xT，那么使用历史移动法，向前l期的预测值为[14]：

?T?l?x1??l?1?xT??l?2?...?xT??l?n),l?1 （ 3.1）(xT n??xT?l?i,l?i??,i?1,2,...,n （ 3.2）

x,l?i?T?l?i??l?i式中，xT历史移动平均法预测当天的收盘价，根据2010年4月16日到2011年4月13日的收盘价的数据，预测2011年4月14日的收盘价，预测曲线比较如下：

图3.1 历史移动平均法预测收盘价

8

浙江大学城市学院毕业论文 第3章 股指期货交易模型

预测结果：2011年4月14日地收盘价为3334.44，实际收盘价为3319，误差较大。历史移动平均法主要是平滑数据的基础上进行预测，因此在平滑过程中会造成较大的误差。

3.1.2 指数平滑法预测趋势

**Y??Y?(1??)Yt?1t?1t指数平滑法公式： ( 3.3)

其中，?为平滑系数，满足0???1，(1??)为阻尼系数，Yt为估计值[14]。

***YYt1简单指数平滑需要确定的初始值，这里指定?Y1。

在应用指数平滑法做趋势预测时，首先要确定最佳阻尼系数(1??)。本文采用规划求解法确认最小值。规划求解主要是使误差最小时求得最佳阻尼系数。误差计算公式为[9]：

1N1N*2*S?(Yi?Y)?(Yi?Yi)?N?1?N?1i?1i?1 ( 3.4) 具体操作在ECXEL中进行，求得最佳阻尼系数为(1??)=0.689。针对2010年4月16日开始到2011年3月31日的数据，根据指数平滑法预测2011年4月1日的收盘价，其值=3275.8，真实收盘价=3285.4，相差10.1个点。预测的收盘价可以作为进出场点的突破的价位，为后续的建模提供一定的参考。

223.2 股指期货实战交易模型

股指日内策略：进场条件：时间限制，突破当天开盘价+5倍ATR进场做多，突破当天开盘价-5倍ATR进场多空；出场条件：每天15点收盘平仓，加上0.7%的绝对止损。

股指隔夜策略：进场条件：突破当天高低点进场；出场条件：跟踪止损加0.9%的绝对止损及当持仓K线数达到73根时离场。

3.2.1 股指日内策略

股指日内策略基本属性：在K线图5分钟周期上测试，测试起止时间为2010

9

浙江大学城市学院毕业论文 第3章 股指期货交易模型

年4月16至2011年4月13日。手续费单边收450，即保证金的万分之三。

策略思想：当天13:55之前进场，当价格突破开盘价加ATR，表示有上涨趋势，因此开仓做多，其中ATR表示平均真实波幅，即当天真实的最高价—真实最低价的差值的平均。当价格跌破当天开盘价减ATR时，表示行情下跌的可能行较大，因此开仓做空。经过测试在每天15:00收盘平仓比15:15收盘平仓的收益高，因此设定每天15:00平仓。0.7%的绝对止损指在持多头时当价格跌破开仓价的99.3%时，止损离场，在持空头时当价格突破开仓的99.3%时，止损离场。

股指日内策略特点：当天收盘平仓，减少了隔夜跳空风险。而且由于绝对止损幅度较小，因此单笔亏损也较小。经测试胜算率也达到50%以上，因此该模型具有一定稳定性。

股指日内策略测试资金曲线：

图3.2 股指日内交易系统资金曲线

股指日内测试报告，起止时间2010年4月16日至2011年4月1日：

10

浙江大学城市学院毕业论文 第3章 股指期货交易模型

表3.1 股指日内测试报告

统计指标 净利润 总盈利 总亏损 总盈亏比 交易次数 平均利润 单笔最大亏损 单笔最大盈利 最大回撤 总交易 452340 多头交易 234780 412680 -177900 2.32 73 3216.16 -8280 30360 -63443 空头交易 217560 466680 -249120 1.87 81 2685.93 -8430 53040 879360 -427020 2.06 154 2937.27 -8430 53040 3.2.2 股指隔夜策略

股指隔夜策略基本属性：在K线图5分钟周期上测试，测试起止时间为2010年4月16至2011年4月13日。手续费单边收450，即保证金的万分之三。

策略思想：突破当天的最高价，且没有持仓的情况下，做多；跌破当天的最低价，且没有持仓的情况下，做空。当收盘价减去开仓价大于1.7倍的ATR时启动跟踪止损，一旦启动跟踪止损，以开仓价加56%的收盘价与开仓价的差为止损价位。当最高价突破止损价时，平空；当对低价跌破止损价位时，平多。0.9%的绝对止损，指在持多头时当价格跌破开仓价的99.1%时，止损离场，在持空头时当价格突破开仓的99.1%时，止损离场。且当持仓K线数大于73根时，离场。

股指日内策略特点：隔夜策略，持仓时间相对比日内策略长，但是该隔夜策略最长持仓不超过2天。该策略的特点是胜算率高，达到70%左右。属于交易次数频繁的隔夜策略。

股指隔夜策略测试资金曲线：

11

浙江大学城市学院毕业论文 第3章 股指期货交易模型

图3.3 股指隔夜交易系统资金曲线

股指隔夜测试报告，起止时间2010年4月16日至2011年4月1日：

表3.2 股指隔夜测试报告

统计指标 净利润 总盈利 总亏损 总盈亏比 交易次数 平均利润 单笔最大亏损 单笔最大盈利 最大回撤 总交易 696900 多头交易 299700 768780 -469080 1.64 168 1783.93 -23340 54060 -72270 空头交易 397200 824520 -427320 1.93 187 2124.06 -10740 54000 1593300 -896400 1.78 355 1963.10 -23340 54060 12

浙江大学城市学院毕业论文 第4章 风险预测与管理

第4章 风险预测与管理

4.1 风险预测

风险预测定义：即risk predicition。风险预测是现代经济管理的重要内容之一。是指在工作之前对工作过程中可能出现的人身或设备异常进行预测制定对策从而预防事故发生的一种措施[15]。

4.1.1 时间序列曲线估计模型

定义：时间序列的曲线估计是分析社会和经济现象中经常用到的一种曲线估计 。通常把时间设为自变量x，代表具体的经济或社会现象的变量设为因变量y，研究变量x与y之间关系的方法就是时间序列曲线估计[16]。

曲线估计分类：一元线性（Linear）、二次函数（Quadratic）、复合函数（Compound）、生长函数（Growth）、对数函数（Logarithmic）、三次函数（Cubic）、指数函数（Exponential）、逆函数（Inverse）、幂函数（Power）、逻辑函数（Logistic）。

本文选一元线性、三次函数、对数函数、幂三种曲线进行估计。其计算公式分别如下：

一元线性：y?b0?b1x。

23y?b?bx?bx?bx0123三次函数：。

对数函数：y?b0?b1lnx。

本文以股指日内模型每天的累计收益作为因变量y，时间作为自变量x，做曲线估计，预测接下来该模型的收益状况，并比较三种曲线估计拟合效果。

曲线估计分析结果。

13

浙江大学城市学院毕业论文 第4章 风险预测与管理

图4.1 3种曲线预测值的对比图

从对比图中可以看出，三次函数Cubic的曲线、一元线性、对数估计都与实际的累计收益观察值拟合较好。文本对该模型的风险管理问题的研究采用三次函数进行回归分析，其具体模型为：

y??1.016?108?78.304x?156.484x2?4.128?10?23x3 （4.1） 用三次函数预测接下的5天内的累计收益，结果如下：

表4.1 三次函数预测5天的累计收益

日期 2011-4-7 2011-4-8 2011-4-12 2011-4-13 2011-4-14 2011-4-15 实际累计收益率 430860 预测累计收益 480109 488065 495890 497846 499803 501759 439260 436320 432060 437340 425580 14

浙江大学城市学院毕业论文 第4章 风险预测与管理

4.1.2 波动率模型

价格风险是由股指期货价格的波动引起的[17]。因此风险预测的核心是价格波动率的估计和预测。价格波动性是指未来价格偏离其期望值的可能性[18]。波动性越大，价格上涨或下跌的机会就越大。

统计学中常用方差和标准差来描述波动性，但实际中波动性是用收益率的标准差来度量的，而不是价格的标准差来度量的，因为收益率被认为由一个具有常熟无条件均值和有线方差的平稳随机过程产生，有限方差表明波动性会趋于一个有限常熟，即均值回归；而价格的方差是无限的，会随着时间增长而增长，这是由价格的不平稳性决定的，即价格随机游走性质。

最简单的波动率计算模型是静态波动率计算模型，最早由Markowitz[19]提出，是传统的度量风险的方法。该模型假定在一定时期内资产收益的波动性保持不变，这样就可以采用这一时期内收益的样本标准差作为每一个收益的波动率。

数学定义为：假设Pt为某资产组合在时刻t的即时价格，

rt?lnPtPt?1表示该组

合从时刻t?1到时刻t的收益，t?1,2,...n，那么组合在这n个单位时间里的波动率就可以用这n个收益的样本标准差来估计[14]：

1n???(ri?r)n?1i?1 （ 4.1）

2其中r表示样本均值。

该方法的最大优点在于计算的简便性，由于方差具有良好的数学特性，组合的方差可以分解为单个资产收益的方差和各个资产收益之间的协方差来求解。然而实践证明资产收益的波动率在一定时期内并不是常数，而且经常变化，为了更好的反应波动率时变的特性，后来人们提出了动态波动模型来预测资产收益的波动率[14]。

本文选用沪深300指数（IF000）从2010年4月19日到2011年4月1日每个交易日收盘价的连续数据。数据来源于中国金融期货交易说。首先选取每日收盘价记作Pt，再求对数收益率Rt?lnP最后得到均值修正后的对数收益率： t?lnPt?1，

15

浙江大学城市学院毕业论文 第4章 风险预测与管理

yt?Rt?Rt，得到沪深300股指期货日收益率的时序图如下：

图4.2 IF000日收益时序图

通过沪深300股指期货指数合约连续收益率的时序图可知，股指期货收益率波

动序列存在丛集效应[20]，即一次大的波动后伴随着较大幅度的波动，一次较小的波动后伴随着较小幅度的波动。

4.1.3 指数加权移动平均模型（EWMA）

??(1??)??(ri?1?r)i?1i?1M2 （ 4.2）

其中?为衰减因子，决定着波动率估计中各观察数据的相对权重[21]，可以通过最大化似然估计值求出，似然函数为：

L?(12??2)N/2?(x??).exp[?i22?2] （ 4.3）

通过模型迭代可得，对t时刻波动率的预测为：

?t???t2?1?(1??)[rt?1?E(rt?1)]2 （ 4.4）

EWMA模型仅仅依赖于一个参数?，实施起来比较容易，对波动率的估计都

16

浙江大学城市学院毕业论文 第4章 风险预测与管理

是递归的，对于波动率的预测只给予前期的预测和最新观察到的结果。

4.2 风险管理

风险管理（risk management）定义：指如何在一个肯定有风险的环境里把风险减至最低的管理过程。

风险价值VaR作为一种市场风险测定与管理的工具。其实指在一定的置信度内，某一资产组合在一定时期内可能出现的最大损失额，它测定的风险主要是市场风险[17]。目前，由于VaR方法能简单清晰地表示市场风险大小，其已逐渐成为金融行业风险度量与风险管理的工业标准。

另外，针对文中建立的交易策略，还从交易策略本身出发，增加一定头寸变化的管理。通过资金大小的控制来进行风险管理。

4.2.1 VaR的表示方

设?0为初始投资额，R为某设定持有期内投资组合的收益率，?为投资组合

的期末价值，?t为持有投资组合的时间长度（以年为折合计算），?为R的年度平均期望收益率，?为方差，R*为投资组合在置信水平?下的最低收益率[22]，即

P(R?R*)?1??（R低于R*的概率为1??）

根据VaR的定义，投资组合VaR计算公式为：

VaR?E(?)??* （ 4.1） 其中E表示数学期望，?*为置信水平?下投资组合的最低期末价值。

由于

E(?)??0(1?ER)??0(1???t) （ 4.2）

?*??0(1?R*) （ 4.3）

将（ 4.2）、（ 4.3）公式代入（ 4.1）可得

VaR??0(1???t)??0(1?R*)??0(??t?R*) （ 4.4） 上述（ 4.4）式即为?t年内投资组合的VaR值。

4.2.2 VaR计算方法

统计上可以从两个不同的角度估计风险值VarR，已知概率分布的情况下用参

17

浙江大学城市学院毕业论文 第4章 风险预测与管理

数估计法来确定VarR值，未知分布时用非参数法直接引入分位数，利用分为数值作为VaR。据此，VarR测量模型可以分为两大类：参数模型和非参数模型[22]。参数模型通过假定证券组合的收益率服从一定的分布从而估计出VarR值，如Riskemtrics、GARCH模型[23]等；非参数模型则不需要对证券组合的收益分布做任何假定，它通过对已有的历史数据的分析模拟来估计VarR值，如历史模拟法、蒙特卡洛模拟法[24]。

本文主要采用蒙特卡洛模拟法[25]。假设收盘价服从对数正态分布，根据伊藤引理股价[25]ST应满足：

),?T] （ 4.5） 2其中，?表示收盘价均值，?表示收盘价标准差，因此可推导出

?t)???t? ) （ 4.6） 2本文中用样本对数收益率的均值??和标准差??来模拟下一日收盘价，公式改((? St?St?1exp?lnST~?[lnS0?(???2?2为：

St?St?1exp(??????)

利用Matlab读入数据后，首先计算出第一个预测样本（2010年4月16日-2010年6月30日）收益率的均值和标准差，然后以2010年6月30日的收盘价作为基础价格S0，根据公式生成下一日50个可能的收盘价，作为前5个预测样本的VaR值，以此类推出样本的VaR值。

本文中的蒙特卡洛模拟法是基于预测样本的均值和标准差产生的正太分布随机数来模拟股指期货收益率序列的，股指日VaR的预测结果如下：

18

浙江大学城市学院毕业论文 第4章 风险预测与管理

图4.3 VaR预测收益率

4.2.3 头寸变化

目前的头寸管理方式主要有以下几种:

固定金额模型。具体举例来说，假设股指期货每一手赚30万，则当赚到60万时，头寸变为2手，赚到90万时头寸变为3手。即根据收益来进行加仓。

保证金百分比模型。即用保证金做为头寸比例，有多少保证金就做多少手。 波动性百分比模型。该类头寸管理主要应用于商品期货的组合研究，假设做12个商品期货，则根据每个品种的波动率大小分配头寸。

风险百分比模型：该类头寸变化主要是针对模型组合来说，即根据每个模型风险大小进行头寸的计算，如根据每个模型的最大回撤分配头存。最大回撤越大，占的头寸越小。

19

浙江大学城市学院毕业论文 第5章 操作平台开发

第5章 操作平台开发

5.1 IT与系统开发

IT在量化投资中起到非常重要的作用，主要可从三个方面来叙述：IT作用的关键点；硬件和软件管理； IT技术的深入应用。

5.1.1 IT作用的关键点

IT作用的关键点主要从以下三个方面来说：一是策略测试；二是交易执行；三是交易管理。

策略测试中一般都要用到TradeBlazer、TradeStation等软件，在分析策略的特征或该策略的风险等指标时，一需要对大量的数据进行处理，因此需要Matlab等大型统计软件的支撑，以及在进行数据挖掘、高频数据处理时都需要强大的IT的支撑。

交易执行建立在一定的交易平台上，如TradeBlaze、MulitCharts等下单软件。在实际交易中如交易速度和交易通道有较高要求的投资机构会要求开通独立的交易平台和交易通道以保证在交易过程中第一时间拿到行情数据，保障交易精确和安全。

交易管理一般分为盘中管理和资产管理，可以结合一些Office小工具或自己编程提高交易管理的效率，降低人工管理的失误，更好的进行资金调配和风险控制。

5.1.2 硬件管理和网络管理

硬件管理包括硬件统一规整，灾备系统，使用更快的平台。

硬件统一规整是为了提高工作效率及保障整个交易过程的安全，如主机、电源、网络等硬件的安放要合理和整齐；交易机器与测试机器的严格分类及设置相

20

浙江大学城市学院毕业论文 第5章 操作平台开发

应的权限。

灾备系统是为了以防断电或断网，避免交易过程中不必要的损失。灾备系统一般主要针对电源和网络的管理。

使用更快的交易平台是指平时交易中的计算机不是普通的计算机了，而应该升级到CPU集群或大型机。另外软件支持是关键，因此开发更快更全面的交易软件也是一种需要。

网络管理则指速度与稳定性的控制、安全性、高频交易资源。展开来说，即独立交易网络，保障交易稳定安全，防范病毒、木马、黑客等攻击，建立完善的权限体系，防止信息泄露，以及高频交易中能够及时快速地拿到交易所系统信息。

5.1.3 软件平台建设与管理

软件平台包括测试平台、辅助开发平台、CTP平台。

测试平台主要是针对开发好一个系统后进行测试的平台，目前常用的TradeBlazer、MulitCharts等，但是目前这些平台对于大量的数据统计和数据挖掘功能没法完全达到投资者的需求，因此仍需要不断地开发这类的测试软件。

辅助平台包含面较广，如实现No Windows，因为Windows系统封闭、安全性低，对交易起到了一定的限制作用，因此后续的交易系统应建立在Linux系统上，相对Windows来说，Linux就属于开放的世界。

CTP平台主要是针对高频交易和精确地短线交易来说，CTP平台最终实现接受行情tick数据，保存原始数据，独立交易，保障交易精确可控和策略安全性。

5.2 操作平台开发目标

操作平台的开发提高了研发效率、交易效率、管理效率。

从研发效率来说，可以提高系统测试速度，摆脱了平台限制，更充分发挥人的想象力。

从交易效率来说，新的操作平台的研发能降低交易成本，消除非交易损失，扩展交易模式。

从管理效率来说，解放人力，减少人为的重复劳动，提高创造性，时间更全

21

浙江大学城市学院毕业论文 第5章 操作平台开发

面合理的资金管理。

5.2.1 机器人的实现

机器人其实是操作平台开发的另一个境界，其最终能实现策略的自动生成。 机器人的实现是量化投资道路上的一个美好憧憬，目前国外有类似软件的开发，但是还没有真正成熟，实现真正的智能化。机器人的功能应包括数据挖掘、自适应模型、自学习机制、自动生成多样化的完善的交易系统及完整的资金管理体系。

机器人软件的核心在于其自适应算法的实现，其中涉及到神经网络模型、遗传算法模型。在理清算法后再借由IT平台来实现软件的编写。

5.2.2 云计算的应用

云计算通俗地讲就是一种基于互联网的超级计算模式，在远程的数据中心里，成千上万台电脑和服务器连接成一片电脑云，用户可以通过电脑、笔记本、手机等方式接入数据中心，体验每秒超过10万亿次的运算能力。

有实验表明，采用云计算能使每台服务器的平均利用率从7%提高到68%-80%；服务器重建和应用加载时间从20-40小时降低到15-30分钟[26]。可以想象，应用云计算后，像上述所说的数据挖掘、高频数据处理都成为轻而易举的事，甚至能直接处理盘口数据，加快对行情的判断，及提高判断的准确性。

22

浙江大学城市学院毕业论文 结论

结论

本文在理论方面主要介绍了股指期货的基本知识及期货市场的风险管理、波动率测量及VaR建模等。通过沪深300的实证研究，应用股指日内策略和隔夜策略，测试应用这两种不同策略的绩效，并通过时间序列的曲线估计对日内策略的收益风险进行估计，以及提出波动率模型和数加权移动平均模型进行风险管理。

实践证明，股指期货的量化分析对整个市场的把握比主观判断准确。通过量

化一些技术指标和参数，在不断修改和完善后能得到正期望的收益，而且该收益具有一定的稳定性，因为其有胜算率、盈亏比等指标的保证。

由于期货市场独特的杠杆机制造成了其具有较大的风险。因此对股指期货模型进行风险预测和管理也是必不可少的一步。本文首先通过曲线估计每天的收益，预测该系统的风险，接着通过波动率模型和指数加权移动平均模型预测IF000市场上的风险。

但是由于股指期货上市时间短，交易时间只有一年，因此检验模型的有效性和稳定性比较困难。而且我国股指期货市场处于初级阶段，供需矛盾突出，市场投机性强，操纵严重，资产受益关联度不稳定。因此在建立交易模型后，对模型的有效性长度及稳定性只能根据历史测试来评估，而且目前没有一套完善的评估体系，因此这些模型还是带有不可控的风险。另外，论文中提到的VaR模型，虽然在实际的风险管理中应用较广，但是其不能很好的解决头寸管理，资金配置等问题。由于VaR主要适用于正常市场条件下对市场风险的衡量，当市场出现极端情况时其将失效。

因此，后续对该课题研究个人认为应该从以下几点继续深入：

一是程序化交易模型的评估体系的建立。所谓的评估体系，不单单是指单纯的统计指标，如常规的净利润、盈亏比、胜算率等。一套完整的评估体系应该包括对系统性能的评价，评价的标准及评价标准背后的理论基础等等一系列的内容。

二是股指期货风险管理体制的健全。风险管理应该包括市场风险的控制，系统风险的控制，交易风险的控制。风险管理首先要量化这些风险，如用VaR模型预测市场风险。系统风险则应在系统中自带风险控制方法，如设置当天最大亏损

23

浙江大学城市学院毕业论文 结论

等。交易风险则是在交易过程中由人为控制的，未来其应该转换成由计算机控制。

24

浙江大学城市学院毕业论文 参考文献

参考文献

[1] 李占峰．中国开设股指期货分析 [J]．合作经济与科技，2006， (10)． [2] 路铁军．股指期货风险管理与控制[D] ．上海海运学院硕士论文．2003． [3] 蒋瑛琨．杨喆．程序化交易的模型和应用[R] ．北京，国泰君安证劵，2010． [4] Henk Berkman,Tim Brailsford and Ales Frino,A note on execution costs for stock index futures:Information versus liquidity effects,Journal of Banking & Finance,2005(3):565-577.

[5] George Pruitt,Johm R.Hill.Building Winning Trading System with TradeStation [C],2002.

[6] Tang,Ta-Lun,Shieh,Shwu-Jane.Long memory in stock index futures markets.A value-at-risk approach[C] ,2006,7.

[7] RiskMetrics Group. Return to RiskMetrics: the Evolution of a Standard[R], 2001.

[8] 股指期货_百度百科[EB/OL] ．

http://baike.http://www.wodefanwen.com//view/168929.htm.

[9] 徐涛．股指期货标的指数选择及风险控制实证分析[D] ．硕士学位论文，上海大学国际工商管理院金融学系，2006．

[10] 李博南．股指期货投资的风险管理[J] ．武汉市经济管理干部学院学报，2004，18(2)．

[11] 黄宇红．股指期货期现套利中现货组合构建方法的实证分析[J] ．经济论坛．2010，479(2)．

[12] 方志．期货策略[M] ．北京：机械工业出版社，2010．

[13] 王沛英．股指期货市场发展问题研究[J]．武汉金融，2007，(1)． [14] 罗凤曼．时间序列预测模型及其算法研究[D] ．四川大学，2006． [15] 郑振龙，王保合．基于极值理论的风险价值度量[J]．金融学季刊，2005，10．

[16] 张贤云．VaR 模型与我国的金融风险管理[J]． 南京财经大学学报，2004，

25

浙江大学城市学院毕业论文 参考文献

(5)．

[17] 段红．关于风险度量方法VaR的不同计算及改进思路[J]．山西焦煤科技，2005，(10)．

[18] 郑璐．股指期货投资策略与技巧[J]．企业技术开发，2008，(1)． [19] Stambaugh Fred. Risk and Value at Risk [J]. European Management Journal, 1996,14(12).

[20] 林舒．VaR模型在金融市场风险管理中的应用研究[D] ．硕士学位论文，厦门大学，2007．

[21] 柳向东，麦清溪．风险价值VaR集中算法及其比较[J]．统计与决策．2005(12)．

[22] 王丽娜，张丽娟．基于CVaR-SV-N模型的股指期货风险度量[J] ．金融市场，2010，10．

[23] 袁象，余思勤．BVaR方法在股指期货投资中的应用[J]．数理统计与管理，2007，26(4)．

[24] 刘小茂，李楚霖，王建华.风险资产组合的均值-CVaR有效前沿[J].管理工程学报，2010，(1)．

[25] 王美今，王华．基于GARCH-t 上海股票市场险值分析[J]．数量经济技术经济研究，2002(3)：106-109．

[26] 云计算正照进现实[EB/OL]．

http://www.cnstock.com/gonggaojd/hydt/qthy/201104/1251710.htm

26

浙江大学城市学院毕业论文 附录

附录

附录一：股指日内策略代码 Params

Numeric N1 (1355);

Numeric NATR (7); Numeric EntFr (4.7895); Numeric TimeEx (1500); Numeric pcnt(0.7);a

Numeric Lots(1);

Vars NumericSeries ATR (0);

BoolSeries EntCondL (false);

BoolSeries EntCondS (false); NumericSeries DayOpen; Numeric MyEntryprice;

Numeric Myprice;

Begin ATR = AvgTrueRange(NATR); EntCondL = Time < N1/10000; EntCondS = Time < N1/10000; If(date!=date[1]) {

DayOpen=Open;

}Else { DayOpen=DayOpen[1];

}

27

浙江大学城市学院毕业论文 附录

MyEntryprice=DayOpen+ EntFr * ATR[1];

If (MarketPosition ==0 and EntCondL and High>=MyEntryprice) { }

MyEntryprice=DayOpen- EntFr * ATR[1];

If (MarketPosition ==0 and EntCondS and Low<=MyEntryprice) { }

If (MarketPosition > 0 ) { }

If(MarketPosition < 0 ) { }

Myprice=EntryPrice*(1-Pcnt/100);

If(MarketPosition==1 and Low<=Myprice and BarsSinceEntry>0) {

If(Time>=TimeEx/10000 and BarsSinceEntry>0) { }

BuyToCover(Lots,Open);

If(Time>=TimeEx/10000 and BarsSinceEntry>0) { }

Sell(Lots,Open);

Myprice=Min(MyEntryprice,Open); SellShort(Lots,Myprice);

Myprice=Max(MyEntryprice,Open); Buy(Lots,Myprice);

28

浙江大学城市学院毕业论文 附录

}

Myprice=Min(Myprice,Open); Sell(0, Myprice); Commentary(\止损\

Myprice=EntryPrice*(1+Pcnt/100);

If(MarketPosition==-1 and High>=Myprice and BarsSinceEntry>0) {

Myprice=Max(Myprice,Open);

}

BuyToCover(0, Myprice); Commentary(\止损\

End

29

浙江大学城市学院毕业论文 附录

附录二：股指隔夜策略代码 Params

Numeric pcnt(0.9); Numeric Lots(1);

//绝对止损百分比

Numeric NATRTrail (10); //ATR参数

Numeric ATRFrTrail (1.7044); //启动跟踪止损条件 Numeric TrailPct (56.0000); Numeric NBarEx (73); Vars

NumericSeries ATRTrail (0); NumericSeries LStop (0);

//跟踪止损百分比 //隔夜持仓K线数限制

NumericSeries NewLStop (0); BoolSeries LTrailOn (false); NumericSeries SStop (0); NumericSeries NewSStop (0); BoolSeries STrailOn (false);

BoolSeries EntCondL (false);

BoolSeries EntCondS (false);

Numeric Myprice; NumericSeries DayHigh; NumericSeries DayLow;

Begin

ATRTrail = AvgTrueRange(NATRTrail); EntCondL = True; EntCondS =True; If(Date!=Date[1]) {

DayHigh=High; DayLow=Low;

30

浙江大学城市学院毕业论文 附录

}Else { }

DayHigh=Max(DayHigh[1],High[1]); DayLow=Min(DayLow[1],Low[1]);

If( MarketPosition ==0 and EntCondL and High>DayHigh) { }

If( MarketPosition ==0 and EntCondS and Low

If(BarsSinceEntry==0) {

If(MarketPosition>0) {

LTrailOn = false; LStop = 0;

Myprice=Min(DayLow,Open); SellShort(Lots,Myprice); Myprice=Max(DayHigh,Open); Buy(Lots,Myprice);

}Else If(MarketPosition<0) { }

STrailOn = false; SStop = Power(10, 10);

}Else If(BarsSinceEntry>0) {

LTrailOn=LTrailOn[1];

31

浙江大学城市学院毕业论文 附录

}

LStop=LStop[1]; STrailOn=STrailOn[1]; SStop=SStop[1];

If (MarketPosition > 0) { }

If (MarketPosition < 0) {

If ((EntryPrice - Close) > ATRFrTrail * ATRTrail)

STrailOn = true;

If((Close-EntryPrice)>ATRFrTrail * ATRTrail)

LTrailOn = true;

If(LTrailOn) { }

If(BarsSinceEntry>=NBarEx) { }

If(BarsSinceEntry>0 and Low<=Lstop[1] and LTrailOn[1]) { }

Myprice=Min(Lstop[1],Open); Sell(Lots,Myprice); Sell(Lots,Open);

NewLStop = EntryPrice + TrailPct * (Close - EntryPrice)/100.0; LStop = Max(LStop, NewLStop);

If (STrailOn) {

32

浙江大学城市学院毕业论文 附录

NewSStop = EntryPrice - TrailPct * (EntryPrice - Close)/100.0; SStop = Min(SStop, NewSStop);

}

If (BarsSinceEntry >= NBarEx)

BuyToCover(Lots,Open);

If(BarsSinceEntry>0 and High>=Sstop[1] and STrailOn[1]) {

Myprice=Max(Sstop[1],Open); BuyToCover(Lots,Myprice);

} }

Myprice=EntryPrice*(1-Pcnt/100);

If(MarketPosition==1 and low<=Myprice and BarsSinceEntry>0) { }

Myprice=EntryPrice*(1+Pcnt/100);

If(MarketPosition==-1 and High>=Myprice and BarsSinceEntry>0) { }

Myprice=Max(Myprice,Open); BuyToCover(0, Myprice); Commentary(\空头止损\Myprice=Min(Myprice,Open); Sell(0, Myprice);

Commentary(\多头止损\

End

33

浙江大学城市学院毕业论文 附录

附录三：EWMA预测VaR代码：

function lk=lkhood(x,y) iter=x(1); lamda=x(2); y1=y-iter;

z(1)=std(y1)^2; for i=2:size(y1,1);

z(i,1)=lamda*z(i-1)+(1-lamda)*y1(i-1)^2; lk_1(i-1,1)=-y1(i)^2/(2*z(i,1))-0.5*log(z(i,1)); end;

lk=-mean(lk_1);

clear all; load y.txt; y1=y(1:237,1); k=237; k1=1459;

for i=0:(k-k1)/10-1;

data1=y(10*i+1:k1+10*i);

data2=y(k1+10*i+1:k1+10*(i+1)); x0=[0;0.8];

[x]= lkhood(x,data1),x0); c=x(1); beta=x(2);

s=std(data1);

res0=y(k1+10*i)-c;

vol(1)=beta*s^2+(1-beta)*res0^2; vr(1)=c-1.65*sqrt(vol(1)); res(1)=data2(1)-c; for j=2:10;

vol(j)=beta*vol(j-1)+(1-beta)*res(j-1)^2; vr(j)=c-1.65*sqrt(vol(j)); res(j)=data2(j)-c; end;

34

浙江大学城市学院毕业论文 附录

附录四：蒙特卡洛

u=mean(y); vol=std(y); s0=2588.9; for i=1:232

s(i,1)=s0*exp(u+vol*normrnd(0,1)); r(i,1)=log(s(i,1)./s0); end;

vr_mc_n(i+1:i+10,1)=quantile(r,0.01);

35

浙江大学城市学院毕业论文 致谢

致谢

本文的撰写是在导师刘桂梅老师的悉心指导下完成的，从论文的选题、课题研究到论文成稿都倾注了刘老师大量的心血和汗水。首先刘老师从论文的选题开始，就不断进行思考和研究，其深厚的学术造诣、敏锐的科研洞察力和丰富的实践经验使我受益匪浅。

在刘老师的指导下，我的知识面不断扩展，能力不断提高。刘老师治学严谨、工作认真、平易近人，不仅在工作学习中给了我很大的帮助，而且还教会了我许多做人处事的道理。

在此论文即将结稿之际，我谨向辛勤培育我的刘老师致以最衷心的感谢。同时还要感谢杭州泛金投资管理有限公司的同事，本文的完成也离不开他们的教导，在此向各位同事表示诚挚的感谢。

在论文撰写期间，同学谢乐冰、同事郑娜在课题研究和问题讨论中对我帮助很大，使我受到很多启发，在此向他们表示衷心的感谢。

感谢杭州泛金投资管理有限公司，给我提供了研究课题的良好环境，感谢公司领导，在论文撰写期间给予积极地支持。

最后，衷心地感谢在百忙之中评阅论文和参加答辩的各位老师！

36

本文来源：https://www.bwwdw.com/article/e5dr.html