文章目录

  • 机器学习在量化模型上的应用
    • 机器学习量化应用场景
    • 量化模型有效性的思考
  • 机器学习模型在量化择时中的应用
    • 训练与预测流程
    • 训练数据特征构造
  • SVM模型与测算
    • SVM训练与预测
    • 效果测算
    • 效果分析

最近ChatGPT比较火,NLP的同学们感触肯定会更深。NLP的应用为人所知并积极部署是一件好事,但是应用层面上的每个应用场景都是过去的领域内SOTA模型不断攻克的任务。但是可惜的是,近年来,解决单一任务在算法层面的突破明显减速,应用层面却在加速推广。

ps:目前资讯里还没有见到提到“天网”这个词,hhhhhhh,当年VR,AR啥啥都没有的时候,漫山遍野的提“天网”要来啦,不知道这次的爆点又是什么

这里我们使用一个较为简单且常用的机器学习模型SVM,对择时提供帮助,以获得超额回报

机器学习在量化模型上的应用

机器学习量化应用场景

博主总结的机器学习应用与量化策略有以下三种场景:

  1. 构造胜率大于50的量化策略,无论模型是否可解释,通过增加交易次数,使综合收益向均线附近偏移,获取预期超额回报
  2. 在一个可能获取超额回报的逻辑框架上,使用机器学习模型优化细节,使预期收益均值在模型的加持下,向更高的回报偏移
  3. 以定价模型为基础,赚取修正市场的超额收益

而每一种场景都对应了不同的量化思路,同时也对应了不同的研究人员的知识体系:

  1. 第一种适合专业度足够高的工科背景,难点在于“历史不会重演”的前提下,论证模型可以获取超额回报,且获取超额回报也是大概率事件,以高频交易为主
  2. 第二种适合有编程能力的金融人员,难点在于论证可以取得超额回报的逻辑链条
  3. 第三种适合有编程能力,且富有经验的金融人员,难点在于识别并排除市场的噪声信息,或是对定价模型的修正与优化

量化模型有效性的思考

目前的共识是:投资任务的复杂性远远超出了机器学习能够处理的范围,因此通常需要在人为的框定一个逻辑框架内,用机器学习的模型来优化。

学习到现在,看了很多量化方面的书籍与策略,博主有些思考想和大家分享一下:

  1. 其实有很多同学和博主一样是计算机大类转到金融的,所以“量化”是我们一个不错的切入点,越偏向数据分析,也越是我们的舒适圈。但是人与算法相比:
    • 人的优点是:剥离噪声,总结归纳,能把书越读越少
    • 机器的优点是:统计、推理,能把书越读越厚

发展了半个多世纪的计量经济学模型已经说明金融、定价这些“结果数据”,它们的信息构成是混沌且带有随机性的,因此,在出策略的时候,最好不要让机器“替代自己思考”,算法的结果最多只能给与一些启发,远达不到辅助思考的程度。同时也不要“特征多多益善”,垃圾特征就是噪声源,而机器是无法自己筛选的,所以首先要“人”是懂金融有逻辑的,然后“人”去构造算法。

  1. 除了调参外,提升机器学习模型的效果一般有两种:
    • 人为构造经得起逻辑推敲的特征序列
    • 不要预先按照数据分析的固有规则剔除特征

经验哈,比如博主常用的随机森林模型,在不做调参的情况下,想要只通过调整特征与数据提升效果时,首先,不要根据有偏分布什么的,把这个特征剔除。因为每一个特征都是一个视角,有的视角比较准确,但是有的视角思路清奇。但是每个视角都是有价值的,这时我们需要人为的参与,构造一些合适的视角来配合这些特征,对特征做再次的加工。越是没有重要性的特征,越是灵感的来源,提升的空间也越大!而预先剔除掉就亏大了。

  1. 专业知识的不同会让我们看待世界的视角也不一样,正所谓“凡有所学,皆成性格”。金融专业的同学会把“风险管理”放在首要位置,同时对“幸存者偏差”事件有着近乎本能的辨识度,非常厉害!但据我观察很多量化策略为了追求“理论的均值”,会唯数据论,放纵模型发挥,这一点需要格外注意。

这篇博客只使用SVM模型测算,更多机器学习模型请参考:https://blog.csdn.net/weixin_35757704/article/details/89280669

机器学习模型在量化择时中的应用

训练与预测流程

使用机器学习通常有以下几个步骤:

  1. 数据清洗
  2. 切分训练集、测试集
  3. 使用训练集,交叉验证模型的稳定性
  4. 测试集判断模型的有效性
  5. 应用模型测算、回测

因此我们将时间切分成以下两个部分:

  1. 训练、测试数据时间:2015-01-01到2020-01-01
  2. 应用模型测算、回测时间:2020-01-01到2023-01-01

训练数据特征构造

这里我们构造的特征简单一些,以方便大家复现:

  1. 过去5日换手率均值
  2. 过去10日换手率均值
  3. 过去5日涨跌幅
  4. 过去10日涨跌幅
  5. MACD指标DIF值
  6. MACD指标DEA值
  7. MACD值
  8. 阿隆指标(一种动量指标)DOWN值
  9. 阿隆指标UP值

SVM模型与测算

SVM训练与预测

通常,拿到数据后,以最终收益为目标的模型,主要有以下几种训练目标:

  1. 直接预测未来一段时间的收益率
  2. 预测未来一段时间的收益所处的区间

机器学习模型由于性能有限,通常以收益率为最终目标时,会选择“预测未来一段时间的收益所处的区间”

因此我们按照以下规则进行训练、预测:

  1. 70%的数据做训练集,30%的数据做测试集
  2. 将【未来5日涨跌幅】作为预测目标,同时将数据分箱,分为:
    • 收益率区间:[负无穷,-1]
    • 收益率区间:[-1,1]
    • 收益率区间:[1,正无穷]
  3. 训练集中,做10次交叉验证
  4. 测试集计算混淆矩阵,并可视化

上面的“交叉验证”是为了判断过拟合与欠拟合的问题的,很多文章容易把效果差的锅甩给“过拟合”,但明显是有问题的。关于过拟合与欠拟合请参考:https://blog.csdn.net/weixin_35757704/article/details/123931046

效果测算

测算的流程如下:

  1. 收集每一个非ST的股票在2015-01-01到2020-01-01的时间
  2. 然后根据个股的股价走势,构造成上面9个特征
  3. 按照70%的数据做训练集,30%的数据做测试集
  4. 对训练集做10份交叉验证

按照如上规则进行训练与预测,得到如下模型结果:

  1. 按照上述测算流程进行测算,在测试集上的准确率为 0.4751

  2. 归一化后的混淆矩阵如下:

  3. 使用10份交叉验证的结果如下:

准确率效果0.4925020.4880920.4785290.4735290.4858820.4776470.4770590.4841180.4808820.486176

在实际使用时,我们会根据模型的逻辑效果来判断:如果模型预测为正收益,则买入;如果预测为负收益,则卖出;

效果分析

  1. 交叉验证的效果与测试集的预测效果差不多,说明SVM模型表现较为稳定
  2. SVM将0,1,2等类别几乎无差别的预测为了类别1,抛开本身类别为1的,单单计算0与2的准确率只有10%

这个效果算中规中矩,因为没有优化、调整、或者主观构造特征,裸模型的效果也就差不多这个效果…