Edge
Chrome
Firefox
最近，利用积累的一些量化知识，开发了一个针对可转债投资的模型。 从本周开始利用市场数据测试。
模型的基本设计思路是这样的：
第一周
以 9月30数据，产生以下买入预测讯号。
sz127028 0.552125362
sz128053 0.542187283
sz128091 0.535083934
sz123067 0.531402382
sz123015 0.521089597
sz127004 0.517518203
sz128097 0.513180067
sz128106 0.504582663
在周一以市场价开单后， 以 3% 止盈或止损，到第二交易日，所有订单都触发止盈止损目标。
其中止盈 7单。 止损 1单 。 以 万2为交易费用，本轮收益： 2.3%.
下轮交易结果会日后公布。
11/12: 补充具体交易记录。供参考。
模型的基本设计思路是这样的：
- 选择交易量最大的 20个转债作为标的。未来会扩展到 50-100 个。
- 利用 AKSHARE 数据源，抽取转债交易的日价格数据。
- 用 PYTHON ，利用交易数据 OPEN HIGH LOW CLOSE VOLUME 建立大量技术指标作为输入值。
- 对每个转债未来四天的收益情况做交易结果指标。以上涨或者下跌 3% 为目标值。 如 0.25 卖出，0.5 中性。0.75 买入。
- 利用 LIGHTGBM 对模型及对应的结果建立预测模型。
- 每周六以周五数据作为输入值，产生周一交易预测。 筛选 预测值大约 0.5的买入。 并持有到周四收盘。 如此往复。
第一周
以 9月30数据，产生以下买入预测讯号。
sz127028 0.552125362
sz128053 0.542187283
sz128091 0.535083934
sz123067 0.531402382
sz123015 0.521089597
sz127004 0.517518203
sz128097 0.513180067
sz128106 0.504582663
在周一以市场价开单后， 以 3% 止盈或止损，到第二交易日，所有订单都触发止盈止损目标。
其中止盈 7单。 止损 1单 。 以 万2为交易费用，本轮收益： 2.3%.
下轮交易结果会日后公布。
11/12: 补充具体交易记录。供参考。
0
持续八周量化测试。 在此做个小结。12月进入休假模式。 明年一月再出发。
八周小亏 0.17%。 由于系统设计的先决条件，没有抓只多次周五的爆发情况。
以这八周的经验，觉得要跟随指数，还是需要做更多的提高：
希望再下一轮中， 取得更好的成绩。
八周小亏 0.17%。 由于系统设计的先决条件，没有抓只多次周五的爆发情况。
以这八周的经验，觉得要跟随指数，还是需要做更多的提高：
- 由止损改为轮动
- 扩大选择的范围
- 将周五包括再交易日内
- 每日交易
- 因子的算法继续改进
希望再下一轮中， 取得更好的成绩。
0
本建模方式是以 NUMER.AI 方式为基础。 有兴趣及英文基础的， 请参考：
https://papers.ssrn.com/SOL3/PAPERS.CFM?abstract_id=3478927
金融机器学习的研究进展 Advances in Financial Machine Learning: Numerai's Tournament (seminar slides)
https://papers.ssrn.com/SOL3/PAPERS.CFM?abstract_id=3478927
金融机器学习的研究进展 Advances in Financial Machine Learning: Numerai's Tournament (seminar slides)
0
@自动化交易机器
至于80多个指标的强相关性，的确存在这个问题。这也是利用机器学习建模的原因。模型会自动识别其中的相关性，并做相关的筛选。 而人为的前期筛选，反而是多余的。
这也是 NUMER.AI 的建模风格。
OHLCV 产生80个指标，其实大部分都是强相关。由于才开始 FORWARD TEST， 短期会专注代码的改进。历史回测数据会日后公布。不过，以过往的经历，回测的结果都是不错的。特别是 TRAIN DATA 和 VALIDATION DATA 有交集的话，结果好得惊人。而很多人会以此做手脚，骗取投资人的投资。所以，还是面向未来的 FORWARD TEST 会更有意义。只是需要时间。
收益如何，历史数据回测下就可以了。
可义务协助回测。
一年前就回测过成交量，换手率这两个因子。 俗称坑爹因子
至于80多个指标的强相关性，的确存在这个问题。这也是利用机器学习建模的原因。模型会自动识别其中的相关性，并做相关的筛选。 而人为的前期筛选，反而是多余的。
这也是 NUMER.AI 的建模风格。
京公网安备 11010802031449号