机器学习与量化投资——基于LSTM模型的回测、模拟交易与真实下单
标题: 机器学习与量化投资——基于LSTM模型的回测、模拟交易与真实下单
作者: 邓鸣茂
杨非池
关键词: 机器学习;量化交易;LSTM模型;模型回测;模拟交易;BigQuant人工智能量化平台;国泰安虚拟交易所
发表日期: 2019-09-17
出版社(学位授予单位): 上海对外经贸大学
摘要: LSTM(Long Short Term Memory)是一种 特殊的RNN类型,同其他的RNNs相比可以更加方便地学习长期依赖关系,因此有很多人试图将其应用于 时间序列的预测问题 上,特别是股票价格的预测。本案例主要来源于《金融量化投资》课程的实验环节,要求学生构建投资策略,对股票、期货、期权进行投资模拟。参与该课程的杨非池(1601034)同学,利用LSTM模型,在BigQuant人工智能量化平台进行回测、模拟交易,并实现在国泰安虚拟交易所平台上实现自动下单操作。 机器学习的核心在于学习的内容,如果输入的参数包括(某股票前一日收盘价、某股票前一日开盘价、某股票前一日最高价、某股票前一日最低价、某股票前一日成交量、某股票前一日成交额),输出的参数为某股票后五日的收益率,进行回测,回测的时间为2017年3月15日-2019年3月11日,期间收益率为107.84%,年华收益率为45.79%,而沪深300指数的基准收益率为8.34%,最大回撤为23.12%,阿尔法为0.37。根据回测的结果,将该策略用于模拟交易,具体开始交易时间为2019年3月12日,截止到2019年6月20日。在此区间发现累计收益为-7.39%,年化收益为-24.91%,最大回撤为21.29%。该策略在3月12日-4月20日期间能够战胜基准沪深300指数,但是随着股市的急剧下跌调整,很长一段时间该策略没有获取正向的超额收益率。 进一步增加机器学习的参数,包括换手率、大小单净流入以及MACD指标,继续进行模拟交易,模拟交易的起始时间为2019年5月31日,截止到2019年9月5日,累计收益为14.23%,年化收益率62.57%,当日收益为1.21%,最大回撤为3.92%,而沪深300基准累计收益率为8.14%。其中,在6-7月间,并未战胜市场,在8月初开始战胜市场,具有正向的超额收益率。策略的有效性还需要较长时间的检验,并且需要纳入基本面量化因子和市场情绪因子。 总的来看,机器学习可以应用于股票价格预测,特别是纳入换手率、大小单净流入指标的情况下,可以获得超额收益;如果进一步引入市场情绪因子、基本面量化等因子,可能更有助于促进人工智能、机器学习与经济学和管理学的交叉融合研究,为推进国家人工智能战略的有效实施提供参考。然而目前的机器学习如果应用于真实股票交易,可能不太靠谱,具体原因在于:(1)市场在变,规律在变,历史可能重演,但又不尽相同,信息域是无限的;(2)目前的Machine Learning基本还需要人工去调整参数,需要考虑调参人员的经验;(3)Machine Learning处理的数据前期至少要求是相对全面的,不全面的数据、甚至如果有重要的数据有所隐藏,对于任何学习模型来讲基本都是灾难;(4)Machine Learning是一个概率的事件集,受限于资源,不可能计算每一种可能性,利用牛顿下降法、改进梯度下降法也只能是达到局部最优,而不是全局最优。
URI: http://www.chinadatacase.com/KS-A/handle/123456789/488
显示于机构:虚拟仿真


在文库系统中的文件,除了特别指名其著作权条款之外,均受到著作权保护,并且保留所有的权利。

基本信息
  • 机器学习与量化投资——基于LSTM模型的回测、模拟交易与真实下单
  • 作者:邓鸣茂,杨非池
  • 发表时间:2019-09-17
  • 类型:案例
统计信息
  • 46浏览次数:
  • 7下载次数:
显示文件完整记录 统计