投資工具專題報(bào)告：機(jī)器學(xué)習(xí)與技術(shù)分析結(jié)合策略研究.pdf

投資工具專題報(bào)告：機(jī)器學(xué)習(xí)與技術(shù)分析結(jié)合策略研究。機(jī)器學(xué)習(xí)可以分為無(wú)監(jiān)督學(xué)習(xí)、監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)，其中監(jiān)督學(xué)習(xí)適 合進(jìn)行價(jià)格預(yù)測(cè)，報(bào)告使用 KNN、SVM、決策樹(shù)、隨機(jī)森林等 8 種監(jiān)督學(xué)習(xí)方法進(jìn)行預(yù)測(cè)。 根據(jù)形態(tài)理論，當(dāng)前的價(jià)格走勢(shì)會(huì)符合一種形態(tài)，進(jìn)而判斷未來(lái)價(jià)格走勢(shì)。如果將形態(tài) 理論擴(kuò)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(huì)重演，就可以判斷未來(lái)價(jià)格走勢(shì)。而機(jī)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(jìn)行價(jià)格判斷。 在前兩部分分析基礎(chǔ)上，第三部分對(duì)國(guó)內(nèi)上市時(shí)間較長(zhǎng)的期貨品種進(jìn)行策略構(gòu)建。以 過(guò)去一段時(shí)間的價(jià)格作為各個(gè)特征值，以未來(lái)一段時(shí)間的漲跌作為標(biāo)記，各種算法相當(dāng)于 將過(guò)去多個(gè)交易日的形態(tài)映射到一個(gè)空間中進(jìn)行分類，進(jìn)而預(yù)測(cè)未來(lái)價(jià)格的漲跌。 從算法和品種兩個(gè)角度進(jìn)行分析，算法中多個(gè)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(guò)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(guò)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(gè)角度來(lái)看，表現(xiàn)較好的算法均為 SVM、隨機(jī)森林、 KNN、決策樹(shù)，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(duì) 這些品種使用機(jī)器學(xué)習(xí)方法輔助預(yù)測(cè)和策略構(gòu)建。