摘要：量化投资是以计算机程序为依托的定量交易方式，在大数据时代，如何构建以数据为主要驱动的量化投资模型是一个十分火热的话题，因此大量机器学习算法在量化投资领域得到广泛应用。本文根据相关指标建立BP神经网络回归模型来预测沪深300股指期货的未来收盘价，从而设计合理的量化投资策略进行投资。

本文首先阐述了BP神经网络算法的基本理论。其次，以沪深300股指期货的主力合约为研究对象，时间区间为2018/1/1~2020/12/31。将所有数据分别划分为训练集、检验集、回测集。然后，借助Sklearn库，用训练集搭建BP神经网络回归模型，用检验集评估模型的预测准确率，以模型预测准确率为优化目标，通过Python编程进行参数寻优。最后，用具有最优参数的回归模型对回测集的收盘价进行预测，结合预测结果与实际数据设计量化投资策略，进行投资。本文在回测集上量化投资的策略年化收益率为14.37%，例证了BP神经网络在量化投资中的有效性。

关键词：BP神经网络 量化投资 沪深300 策略回测

目录

摘要

Abstract

1  绪论-1

1.1  研究背景与意义-1

1.2  研究内容与研究方法-1

2  量化投资与机器学习的关系-2

2.1  量化投资理论简述-2

2.2  机器学习理论简述-3

3  BP神经网络回归模型的建立-4

3.1  数据指标选取与实践平台介绍-4

3.2  数据分割与预处理-5

3.3  BP神经网络结构的初步设计-6

3.4  BP神经网络回归模型的构建-6

4  投资策略的设计与回测分析-9

4.1  投资策略的设计-9

4.2  回测结果的评价指标-10

4.3  策略回测实施与结果-10

5  结论与展望-14

5.1  研究结论-14

5.2  研究不足-15

5.3  未来展望-15

参考文献-16

附录-17