通过反馈控制进行股票交易：随机模型预测控制还是遗传算法？
计算工程、金融与科学
2017-10-05 v2 交易与市场微观结构
摘要
我们寻求讨论在比例交易成本考量下，用于股票交易的最合适反馈控制结构。适用性指鲁棒性与性能能力。两者通过考虑不同的单步向前预测质量进行测试，包括理想情形、对每日股票价格变化方向的正确预测以及最坏情形。反馈控制结构被划分为两大类：随机模型预测控制(SMPC)与遗传类。对于前一类，讨论了三种控制器，区分了两种受马科维茨启发和一种受动态对冲启发的SMPC公式。对于后一类，讨论了五种交易算法，区分了两种基于不同移动平均(MA)、两种基于交易区间(TR)以及一种基于历史最优(HistOpt)轨迹的策略。本文还初步讨论了修正的受动态对冲启发的SMPC公式如何可作为马科维茨投资组合优化的替代方案。所有八种控制器与五种不同的单步向前预测方法的组合，针对2015年11月27日至2016年11月25日期间德国股票指数DAX的30个成分股的每日交易进行了回测。
引用
@article{arxiv.1708.08857,
title = {Stock Trading via Feedback Control: Stochastic Model Predictive or Genetic?},
author = {Mogens Graf Plessen and Alberto Bemporad},
journal= {arXiv preprint arXiv:1708.08857},
year = {2017}
}
备注
7 pages, 3 figures, 3 tables, presented as a poster at XVIII Workshop on Quantitative Finance (QFW2017) in Milano on January 25-27, 2017