>> 中信期貨-量化CTA：機器學(xué)習(xí)與技術(shù)分析結(jié)合策略研究-230201
| 上傳日期： |
2023/2/1 |
大?。?/td>
| 3394KB |
| 格式： |
pdf 共37頁 |
來源： |
中信期貨 |
| 評級： |
-- |
作者： |
魏新照 |
| 下載權(quán)限： |
無限制-登錄即可下載 |
|
|
機器學(xué)習(xí)可以分為無監(jiān)督學(xué)習(xí)、監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強化學(xué)習(xí)，其中監(jiān)督學(xué)習(xí)適合進行價格預(yù)測，報告使用KNN、SVM、決策樹、隨機森林等8種監(jiān)督學(xué)習(xí)方法進行預(yù)測。
根據(jù)形態(tài)理論，當(dāng)前的價格走勢會符合一種形態(tài)，進而判斷未來價格走勢。如果將形態(tài)理論擴展，從歷史中找到與當(dāng)前最相似的行情，不一定是某種形態(tài)，那么根據(jù)技術(shù)分析假設(shè)中的歷史會重演，就可以判斷未來價格走勢。而機器學(xué)習(xí)方法如KNN等算法與該思想較為一致，可以輔助進行價格判斷。
在前兩部分分析基礎(chǔ)上，第三部分對國內(nèi)上市時間較長的期貨品種進行策略構(gòu)建。以過去一段時間的價格作為各個特征值，以未來一段時間的漲跌作為標記，各種算法相當(dāng)于將過去多個交易日的形態(tài)映射到一個空間中進行分類，進而預(yù)測未來價格的漲跌。
從算法和品種兩個角度進行分析，算法中多個算法表現(xiàn)最好的品種為焦煤；各品種中表現(xiàn)較好的算法多為SVM和線性回歸。通過組合各算法下和各品種板塊收益曲線，發(fā)現(xiàn)板塊組合卡瑪比率超過了7，跨板塊組合的效果較好。
從整體卡瑪比率和年化收益率兩個角度來看，表現(xiàn)較好的算法均為SVM、隨機森林、KNN、決策樹，表現(xiàn)較好的品種均為焦煤、銅、白銀、鋁、豆油、豆粕、菜粕，可以主要對這些品種使用機器學(xué)習(xí)方法輔助預(yù)測和策略構(gòu)建。
風(fēng)險提示：模型過度優(yōu)化；策略邏輯失效
|
|
