机器学习与量化投资：避不开的那些事（1）

1 本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。 ■从高频到低频 机器学习在高频量化策略上应用更加容易 ■从线性到非线性 机器学习下的非线性比线性更能榨取数据的价值，但也更容易过度拟合，因此需要合理使用 ■从单次分析到推进分析 推进分析更加符合实盘状态下盘后更新模型的实际情况 ■从分类到回归 回归经常能优于简单的分成两类 ■预测值相关 好的预测值不一定带来好的交易信号 ■策略回测结果 回测结果：夏普3.55，年化收益80.36% ■风险提示： 机器学习量化策略的结果是对历史经验的总结，存在失效的可能。 Tabl e_Title 2018年02月23日 机器学习与量化投资：避不开的那些事（1） Tabl e_Bas eI nfo 金融工程主题报告 证券研究报告 杨勇 分析师 SAC执业证书编号：S1450518010002 yangyong1@essence.com.cn 周袤 分析师 SAC执业证书编号：S1450517120007 zhoumao@essence.com.cn Tab le_Report 相关报告 FOF和资产配臵周报：从量化驱动型策略角度说明美股调整 2018-02-10 机器学习与量化投资：综述与反思，扬帆正当时 2018-02-07 平安大华沪深300 ETF上市 2018-01-27 黑科技应用之如何看待“新周期”之辩 2018-01-19 FOF和资产配臵周报：富国中证10年期国债ETF开始募集 2018-01-15 2 金融工程主题报告 本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。 内容目录 1. 标准神经网络回归大盘择时策略............................................................................................. 4 1.1. 设想和目标 .................................................................................................................... 4 1.2. 理论、方法及数据源...................................................................................................... 4 1.3. 交易成本与策略执行...................................................................................................... 4 1.4. 算法和模型 .................................................................................................................... 4 1.5. 结论 ............................................................................................................................... 4 1.6. 策略因子归因 ................................................................................................................ 5 1.7. 风险点及未来的改进方向 .............................................................................................. 6 2. 从低频到高频 .......................................................................................................................... 6 2.1. 算法和模型 .................................................................................................................... 6 2.2. 结论 ............................................................................................................................... 7 2.3. 高频背后的一些逻辑...................................................................................................... 8 2.3.1. 数据 ...................................................................................................................... 8 2.3.1.1. 运算速度 ........................................................................................................... 8 2.3.1.2. 交易成本 ........................................................................................................... 8 2.3.2. 日内消息面 ........................................................................................................... 9 2.3.3. 行为金融 .............................................................................................................. 9 3. 从线性到非线性 ...................................................................................................................... 9 3.1. 算法和模型 .................................................................................................................... 9 3.2. 结论 ............................................................................................................................... 9 3.3. 非线性背后的一些逻辑和讨论 ..................................................................................... 10 3.3.1. 金融市场大概率是非线性的 ............................................................................... 10 3.3.2. Bias-Variance Trade off ...................................................................................... 11 3.3.3. 人的理解方式经常是线性的 ............................................................................... 12 4. 从单次分析到推进分析 ......................................................................................................... 12 4.1. 算法和模型 .................................................................................................................. 12 4.2. 结论 ............................................................................................................................. 13 4.3. 单次分析和推进分析的逻辑讨论 ................................................................................. 14 5. 从分类到回归 ........................................................................................................................ 15 5.1. 算法和模型 .................................................................................................................. 15 5.2. 结论 ............................................................................................................................. 15 5.3. 分类与回归的逻辑讨论 ................................................................................................ 16 6. 预测值相关 ........................................................................................................................... 17 6.1. 算法和模型 .................................................................................................................. 17 6.2. 结论 ..................