量化交易与机器学习及多因子模型2
   2019-11-06 14:07:09
61
416

量化交易可以用机器学习,多因子模型,但是这两个非必须!有很多量化策略通过基本面数据制定的长周期策略可以获得正收益,也有很多高频策略通过短期量价、盘口数据的变动而产生的短期交易信号也可以获利。

 

目前常见的机器学习例如SVMXGBoostDNNLSTM本质上是一类统计算法,通过不同特征的组合去拟合出自变量与因变量之间的关系,这个关系在数学上称为函数,而它能否对交易有帮助就看这个函数是否可以在一段时间内稳定地反应我们挑选出的特征与因变量之间的关系。

 

多因子模型经常用于市场中性策略和指数增强策略,旨在通过多个横截面因子挑选出符合策略要求的股票,使得策略收益能够超过市场平均水平,并且尽可能规避市场的系统性风险。

 

之前说过了,机器学习模型通过输入的特征数据以及算法还有调整好的若干个参数可以拟合反映金融市场中某些关系的数学函数,而当这种关系不稳定或者发生变化时,之前使用的参数就不再适用。在多因子模型中也有类似的情况出现,比如小市值因子在历史上有过一段可以产生稳定超额收益的时光,但是随着市场风格的转变,在随后的一段时间内这个因子也不再“优秀”,但即便如此,我们也不能简单的认为小市值因子在今后就没有用武之地了。所以,无论是机器学习还是多因子模型,参数以及因子的失效是很常见的现象。

 

总之我们可以认为机器学习与多因子模型是研发交易策略的一种有效手段,但是这两个模型能不能用好很大程度上还是取决于研发人员的水平,很多量化招聘上之所以要求应聘者掌握这方面的技能是因为机器学习和多因子模型需要一定的门槛,可以反映应聘者在数理基础、逻辑思维、抽象能力方面的水平,所以这些知识我们值得去学,但是对于任何的模型与算法,都不能太执着,要把它们当做工具用在恰当的地方,而不是当做“圣杯”,因为市场才是最好的老师。



官方客服

扫一扫

联系方式