久久一日本道色综合久久_国产最爽的av片在线观看_精品成人Av一区二区三区_94久久国产乱子伦精品免费_国产三级网站在线观看_和女邻居做爰在线观看_wymfw最新免费_国产强奷在线免费阅读_95在线观看视频

掛單方向長期記憶性的實證規(guī)律
　　（1）如何識別長期記憶性？
　　編碼：我們將每筆買入委托的標識記作“1”，而賣出委托的標識記作“-1”，從而得到了一組連續(xù)的數(shù)值序列；定量化：通過計算序列自相關系數(shù)作為指標；
　?。?）掛單方向具備長期記憶性的特征在A股普遍存在
　　宏觀視角：無論大票、小票均存在掛單方向的長期記憶性，但我們發(fā)現(xiàn)在2022年以前并不顯著，并且在高低價格股票中呈現(xiàn)前后不一的選擇偏好。
　　微觀視角：連續(xù)競價階段的長期記憶性強度在2022年以來明顯提高，并且要優(yōu)于集合競價；此外，越靠近盤口、委托數(shù)量偏小的委托，在時序中的相似度越高。
　　長期記憶的驅(qū)動因素
　　訂單流的長期記憶性并非是由價格趨勢所致，而應歸因于委托的連續(xù)性。關于這一特性的成因，目前主要有兩種看法：羊群效應、算法拆單。
　　我們從機構(gòu)持倉、股東戶數(shù)、因子跟蹤、訂單微觀視角上給出我們的理解：訂單流的連續(xù)性并非是由散戶在時間上的擁擠行為，而是某種或者多種算法共同作用的條件下所實現(xiàn)的表象特征。
　　Alpha策略開發(fā)
　　基于對長期記憶性的規(guī)律分析，筆者基于三種計算方法開發(fā)因子，分別是：
　?。?）自相關系數(shù)回歸法：長期記憶強度_LMS、高維記憶_MEMO
　　方法核心為基于掛單方向的數(shù)值序列，計算其1至100階的自相關系數(shù)，并通過對滯后階的對數(shù)值進行回歸，得到OLS模型估計參數(shù)。
　?。?）基于“傅里葉變換”的頻譜分析：分拆痕跡_OST
　　傅里葉變換、小波等方法，將原本時域（常見時序特征）信息轉(zhuǎn)變?yōu)轭l域（由數(shù)據(jù)周期性決定的）信息，方便我們計算得到更深層的因子信號。
　?。?）同類訂單連續(xù)重復次數(shù)統(tǒng)計
　　長期記憶性的因子邏輯表述為：從訂單流角度觀察時序的相似性，若指標顯著偏高，說明信息優(yōu)勢投資者傾向交易股票，從選股質(zhì)量上提供正向的分層效果。
　　基于機器學習的特征合成：樹模型、網(wǎng)絡模型
　?。?）樹模型（XGBoost、Light GBM）
　　XGBoost樣本內(nèi)效果比較理想，多頭超額收益顯著。但是，在樣本外，僅有8.6%的超額收益，勝率也從98%降至70%，模型泛化能力較差。Light GBM預測因子在分組單調(diào)性上要優(yōu)于XGBoost，樣本外預測能力的衰減程度也相對較輕。
　?。?）網(wǎng)絡模型（LSTM）
　　我們在嘗試LSTM的損失函數(shù)中添加負IC絕對值作為懲罰項后，模型得到的預測效果有明顯的提升。特征合成過程需要考慮因子間的共線性，對于模型復雜度不宜過高，同時加以適當?shù)膽土P可以避免陷入局部最優(yōu)。
　　風險提示：模型基于歷史數(shù)據(jù)測試，未來市場可能發(fā)生變化。