
机器学习在量化投资中的应用:从技术分析谈起
在这篇文章里,我想讲的,是那些将技术分析和机器学习算法相结合的论文。首先,我会简要介绍一个最常用的技术分析方法:双移动平均线法。然后,我将简要介绍一下相关的论文。本文的重头戏是,我想跟大家一起,发现这些方法的问题,逐步把这些方法变成一个“看起来还蛮像样”的投资策略。我首先声明,这个方法是否work我也不知道,因为我没有细致地尝试。我想展示的,是一个思考问题的思路。
1 移动平均线法
下图展示了一个双移动平均线的例子。
双移动平均线的用法是:
(1)用两个长度不同的窗口,计算价格数据的移动平均值;
(2)当短的移动平均值穿过长移动平均值时,一个买入信号就诞生了。随着时间的推移,当短的移动平均值小于长的移动平均值时,就产生了一个卖出信号。
这个方法是如此的简单方便,很多散户都会或多或少地使用该方法。学术界对这个方法亦有很大的兴趣。文献[1]首先从假设检验的角度,去验证这个方法在实际数据上的盈利能力。而后有很多论文利用这篇文章中提供的方法,在不同的数据集上验证。他们的结果都表明,长期来看,如果不考虑交易费的话,这个方法貌似还有一点点的盈利能力,但是如果一点考虑交易费,这个能力就基本为0了。
2 移动平均与机器学习算法
那么,这样一个简单的移动平均的方法,是怎么被应用在机器学习算法中,进行投资的呢?千万不要小看研究人员的脑洞(不过这似乎也不需要太大的脑洞)。
让我们随手从机器学习的武器库里面挑个武器吧。恩,就神经网络好了,这玩意儿最近很火。要很深吗?咱们先用个浅的玩玩吧。我们需要给自己设定一个目标,这个目标是,我希望通过历史数据值,预测第二天的股价涨跌。有了这个目标,我们干脆把神经网络当成一个分类器用。在每一天t,我都基于历史数据,建立一个输入向量x_t。看,机会来了,我们可以把移动平均线产生的信号,当成这个特征向量的某个维度。如果移动平均线让我们在某天持有该股票,那么我们可以把这个维度设为1;而在其他的天数,我们则把它设为0。
除了移动平均线,股票的技术分析手段中还有好多可以产生类似信号的东西,比如MACD,RSI之类。所以,我们可以利用这些信号,把它们安放在不同的维度,构成我们输入向量x_t。标签y_t就容易了,如果t+1天收益率为正,则设为1,否则为0。至此,一个二分类问题的训练集构建,就搞定了。
这个方法看起来很简单,也确实没啥难想的。相关的文献不少,可以看参考文献[2, 3, 4]。在那个年代,这些文章都取得了相当的引用量。
3 问题与改进
显然,这样的方法是存在问题的。而且看起来图样图森破,甚至有点儿naive。在这一节,我们将一步一步,把这个方法变的“看起来还蛮像样”。
3.1 趋势的表示
使用技术分析手段的人,被认为是趋势跟随型的投资者(可能有误。。)。这些论文里面也声称,他们希望通过神经网络来预测趋势。但是,趋势就是明天股票收益的正负吗?让我们来看个例子。下图是我截取的苹果公司从2009年10月29日,到2011年10月24日的股价。这是一个非常明显的上升趋势。但是,在这个趋势中,日收益率为正的比率是多大?答案是只有55%。所以你看,把第二天股票收益率的正负当成趋势的表征,并不靠谱。
那么,能不能换一个靠谱一点儿的方式来表达趋势?也就是表达y_t?当然可以。一个简单的方法是,我们可以把计算t+1,t+2,…,t+N,这些天收益的平均值,观察其正负,构建新的y_t(正则1,否则置0)。当然,N是一个可以由你设置的量。
3.2 更进一步
经过上一步的改进,这个方法好像似乎有点儿像样了。我们来理一下思路。我们是怎么来解决这个问题的呢?步骤如下:(1)大喊一声“我要做趋势投资者”,(2)找到那些声称表征趋势的技术指标,构成输入向量x_t,(3)为这些向量配备一个表征趋势正负的y_t,(4)扔进一个神经网络训练,(5)利用训练好的神经网络预测。
还是有点儿naive,我们甚至都没用到神马金融上的概念。在3.1节的结尾,我们说要用t+1,t+2,…,t+N,这些天的收益的平均值,观其正负,来构建y_t。这似乎比较靠谱了。但是细细一想,假如这些天收益的平均值为0.02,但是标准差达到了0.04,我们这么做似乎有点儿慌。而如果这些天的收益平均值是0.01,但是标准差只有0.005,似乎这么做还是靠谱的。这就提醒我们,作为一个趋势投资者,在动荡里,我们如浮萍一般无依(当然,动荡则是另外一些交易者发家致富的机会)。我们构建y_t的时候,不能只去想收益的平均值,还要考虑它的波动。
有了这个概念,我们就可以重新思考下y_t的设定。我们将t+1,t+2,…,t+N这些天收益的平均值记为r_t,而标准差记为sigma_t。我们考虑这样一个量r_t – lambda * sigma_t的正负。这里,lambda是一个事先设定的常量,它有一个比较好的金融角度的意义:它体现了投资者对风险的厌恶程度。Lambda越大,厌恶性越强。
当然,你可能觉得这个波动率估计的太不准了。不是有个拿诺奖的工作,(G)ARCH,用来估算波动率的嘛。你也许也可以用它替代sigma_t。
3.3 再进一步
到此为止,我知道,你肯定还不满足。现在这个方法看起来还是有点儿naive,一个分类问题,有啥了不起?好吧,那我们跳出分类问题的框框吧。
我们已经有了x_t,也知道,对于每一天,我们有两种选择,即持有这只股票还是不持有(在我们之前的讨论里,并不允许做空,所以只有这两种)。让我们给x_t换个名字,叫它“状态”(state),而把两种投资的选择,叫做动作(action)。你大概已经看出来了,我在往增强学习的框架里面靠。既然是增强学习,那么我们还得定义一个回报(reward),恩,这是现成的嘛,r_t – lambda * sigma_t。
于是,我们就这样慢慢YY出了一个基于增强学习的量化投资方法。很巧,以前已经有人做过很类似的工作了,请参看[5]。
总结:
在这篇文章里,我们从前人看似naive的方法,一步一步地推进,搞出了一个“看起来还蛮像样”的投资策略。这个方法直接去用,估计是要失败的。如果你够细致,会发现我一直在做y_t的文章。也许y_t的文章已经做得差不多了,但是x_t怎么办?就用那些技术指标?或许,只有那些真正在实践中成功运用了机器学习方法的人,才拥有好的x_t吧。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08