人工智能系列报告实证篇：人工智能算法在价量特征中的应用.pdfVIP

下载本文档

50
0
约5.15万字
约 27页
2018-06-03 发布于北京
举报
版权申诉

人工智能系列报告实证篇：人工智能算法在价量特征中的应用.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

[Table_PageTop] 金融工程研究报告目录 1. 引言 3 2. 价量指标 3 3. 机器学习选股体系 4 3.1. 整体流程4 3.2. 模型调参6 4. 机器学习模型实证 7 4.1. 决策树7 4.2. 支持向量机9 4.3. 随机森林 11 4.4. AdaBoost 14 4.5. GBDT17 4.6. XGBoost 19 5. 总结与展望 21 附录：价量特征指标计算公式汇总 22 请务必阅读正文后的声明及说明 2/29 [Table_PageTop] 金融工程研究报告 1. 引言机器学习可以快速地对大量数据进行分析、拟合、预测，并具有很好的泛化能力，归根到底机器学习是一种归纳，而非演绎，该项技术被广泛应用到量化投资中，我们在人工智能第一篇报告《人工智能系列报告综述篇：人工智能发展史及算法介绍》详细阐述了算法和相关应用案例，读者可参阅报告。价量指标在实际交易中常被市场参与者用于择时选股，相对基本面指标，具有更好的时效性。多数阿尔法收益来自市场短期波动，对于价量特征指标，当前业界多是研究单个指标有效性或者通过模式识别的方式发现交易信号等，将多个指标合成单个指标的研究较少。本文通过机器学习模型，挖掘多个价量指标信息，以获取比单一指标更好的预测效果。价量指标具体含义以及构建方法可参阅本文附录部分。本文选取2007 年 1 月-2018 年3 月月度数据为回测样本，采用34 个价量指标，按照 36 个月滚动窗口进行模型训练，预测未来一个月股票的分类概率。我们分别测试决策树模型、支持向量机、随机森林、AdaBoost 、GBDT 、XGboost 等模型，通过价量特征指标进行机器学习算法有效性检验，并构建投资组合。 2. 价量指标根据价量特征指标的普适性，本文选取价格类、动量类、成交量类、波动类等四大类价量特征，进行机器学习模型测试。选取的指标能够直接作为择时信号，或其数值能够表征市场强弱。指标含义和参数选择见下表，具体计算公式可参见报告附录部分。表 1：指标算法和参数选择指标简称中文名称指标参数 Bollinger_UpperBands 布林线上轨（5,2,2 ） Bollingger_LowBands 布林线下轨（5,2,2 ） WMA 移动加权平均（30 ） EMA 指数平均线（30 ）价格重叠类 KAMA 考夫曼的自适应移动平均线（30 ） MA5 5 日均线（5 ） MA20 20 日均线（20 ） SAR 抛物线指标（0,0 ） HT_TRENDLINE 希尔伯特瞬时变换 APO 价格振荡器（12,26 ） AROONOSC