开题报告内容：（包括拟研究或解决的问题、采用的研究手段及文献综述，不少于2000字）
一、课题解决的问题
量化投资产生于上世纪70 年代末，到如今已有三十多年的历史，在这期间，它已经得到了长足的发展。在国外，因为其投资业绩稳定，市场规模和份额不断扩大，越来越多的投资者进入量化投资这个领域，量化投资己经成为一种主流的投资方式。量化投资在国外金融领域已经得到广泛应用，尤其在近十年来的国际投资界发展迅猛，并已经连同基本面分析、技术面分析并称为三大主流方法。
然而，真正的量化投资和量化投资基金在国内的发展还处于萌芽状态。直到2004年，我国才出现了第一支量化基金，即“光大保德信量化基金”。2010年，上交所与深交所推出融资融券业务，允许投资者借入证券并卖出，相当于提供了一种做空的方式。同时，沪深300股指期货在2010年上市。这意味着中国期货市场进入了一个崭新的阶段。因此，我们可以预见量化投资策略必将在我国金融市场的投资交易中占据举足轻重的地位，未来程序化交易平台必将成为国内机构投资者的重要工具。
除此之外，我国证券市场的数据收集与分析工作也存在很多问题：数据更新的准确性和效率问题、数据处理的弹性和效率问题、内在关联关系的挖掘问题。证券市场研究涉及的数据较广，内容较多，分布又相对零散，这给数据更新与维护带来很大麻烦，同时为了进行数据分析，有时需要深入挖掘各公司之间的联系，这些都是目前行业研究员数据处理工作的一个挑战。
本课题拟对现有的量化交易模型进行研究与分析，并应用数据挖掘技术对证券数据进行分析，在此基础上，设计一种基于多因子模型的交易策略并实现它。
二、研究方法和技术路线
本课题主要采用数据挖掘技术进行证券数据分析。首先，爬取每只股票的历史数据，同时爬取股吧中的帖子，以此来进行情感分析与关注度评价。然后对这些数据进行预处理，得到候选因子。注意，应当具体对不同证券数据类型分析方法进行分类研究。同时，对不同的量化投资交易策略进行研究，分析它们的利弊，研究交易策略的制定和回测方法的编写。
在此基础上，进行新的基于多因子模型的交易策略的设计与实现。其中，主要采用数据挖掘技术进行证券数据分析，使用主流语言Python编程，以Anaconda Spyder为开发平台。
三、论文课题研究进度安排
以上是毕业论文开题文献，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
