基于人工智能的股票機器人研究

摘要：Kaburobo是日本早稻田大學用JAVA語言編寫的一種股票機器人，它既可以在假想的股票交易平臺上進行虛擬交易，又能通過接口自行編程進行算法模擬和實現(xiàn)。本文結(jié)合作者的研究成果詳細介紹了Kaburobo的工作原理，并通過這個股票交易平臺，研究了人工智能在股票交易領(lǐng)域的應(yīng)用。

關(guān)鍵詞：Kaburobo；股票機器人；人工智能

中圖分類號：TP182文獻標識碼：A文章編號：1009-3044(2008)14-20931-03

1 引言

隨著改革開放的不斷深入，我國股票市場得到了迅速的發(fā)展，股票投資已成為眾多個人理財?shù)闹匾绞健２谎远鳎绻顿Y者能正確預測股票價格，選準買賣時機，無疑會給個人帶來豐厚收益。經(jīng)過長期實踐和研究，人們總結(jié)出了一套技術(shù)分析方法，利用這些方法方便了股民對股市的把握。如：K線理論，波浪理論，周期理論，切線理論等。現(xiàn)有的技術(shù)指標分析方法有：移動平均線，相對強弱指數(shù)，動量指標，乖離率，騰落指數(shù)，漲跌比率，成交量比率，平滑異同移動平均線（MACD）等，它們成為一般的股票分析的常用工具。當然，影響股票價格的因素有很多，最經(jīng)常，直接，而又多方面作用于股票價格的是經(jīng)濟因素，此外，還有政治因素，人為因素，心理因素等。

Kaburobo是在2004年，由日本早稻田大學率先發(fā)起研究的項目，旨在對股票自動交易算法進行研究并舉行股票機器人編程。到目前為止，已經(jīng)有超過17000人參加。200610臺最優(yōu)秀的股票機器人進行了實際運用，取得優(yōu)異的成績，引起很大的反響。各種優(yōu)秀的技術(shù)被應(yīng)用于股票機器人當中，象在人工智能領(lǐng)域的機器學習、數(shù)據(jù)挖掘等[1]。

本文結(jié)合研究實踐介紹Kaburobo的規(guī)則、執(zhí)行、工作原理等并基于人工智能理論，提出解決股票機器人一系列問題的方法如選擇買賣股票的問題，股價的預測問題等。

2 Kaburobo及其開發(fā)環(huán)境

2.1 環(huán)境設(shè)置

Kaburobo SDK是用Java開發(fā)的股票機器人工具包[2]。安裝好工具包后首先要對配置文件進行啟動設(shè)定，配置文件的文件名一般為robot-config.xml，內(nèi)容如下：

以上是Kaburobo啟動配置文件的主要部分，做成股票機器人的時候可以根據(jù)實際情況進行設(shè)置。

另外Kaburobo SDK中提供了做成股票機器人的基本的類，還提供了對各種參數(shù)進行管理的類，詳細情況參照下表：

使用Kaburobo開發(fā)股票機器人的算法程序時推薦使用Eclipse做為開發(fā)環(huán)境。環(huán)境設(shè)置的過程是新建工程，在新建工程界面的JavaBuildPath的Libraries選項中，將Kaburobo SDK中的JAR文件追加進去。設(shè)定環(huán)境變量，新建Kaburobo_HOME變量，將Kaburobo所在路徑添加進去。這些都準備好之后，就可以進行編程，實現(xiàn)自己的股票機器人了。

2.2 Kaburobo工作原理

2.2.1數(shù)據(jù)來源

Kaburobo SDK中包含了東京證券交易所近幾年的股票信息數(shù)據(jù)，開發(fā)人員可以通過配置文件的設(shè)定來選擇某一時間段內(nèi)的測試數(shù)據(jù)。在Kaburobo的機器人大賽中，數(shù)據(jù)全部來自當日東京證券交易所的真實數(shù)據(jù)，并且交易過程也嚴格按照東京證券交易所的規(guī)定。

2.2.2 實現(xiàn)過程

股票機器人大賽的參加者可以登錄www.Kaburobo.jp網(wǎng)站進行注冊，然后參加比賽，過程如下：

（1）個人信息注冊；

（2）編程實現(xiàn)Kaburobo機器人；

（3）進行虛擬股票交易；

（4）運用成績總結(jié)。

Kaburobo作成之后，在進行股票交易的時候，按照東京證券交易所的規(guī)定進行交易，在每一個交易日，Kaburobo的工作過程如下：

（1）08:00-09:00 上午股市開盤前的準備工作；

（2）09:00-11:00 上午股市交易時間；

（3）11:30-12:30 總結(jié)上午股票交易，同時做好下午開盤前的準備工作；

（4）12:30-15:00 下午股市交易時間；

（5）16:00-24:00 對整個交易日進行總結(jié)，做下一個交易日的準備工作。

2.2.3 簡單的Kaburobo實例

本例中繼承AbstactRobot作成一個簡單的Kaburobo機器人，重寫了order和screening兩個方法。

order方法是進行交易處理的方法，screening方法是對股票進行篩選，為交易提供數(shù)據(jù)支持的方法，在本例中，買進了1000股名為stock的股票。

3 Kaburobo與人工智能

本節(jié)從人工智能的觀點出發(fā)，提出解決Kaburobo所面對的一系列問題的方法。

3.1 交易決定問題

所謂交易決定問題，就是決定交易的一系列參數(shù)的過程，比如交易哪些股票，用什么方法，交易量是多少等。從人工智能的觀點來看，Kaburobo的交易決定問題就是連續(xù)決策問題（Sequential Decision Problem）的一種，我們的目的在于一邊規(guī)避股市風險，一邊增加總資產(chǎn)。

對于股票的各項信息，我們用以下參數(shù)建立模型。開始的時刻為t=0，在時刻t時的狀態(tài)為St觀察到的可能信息為It，那么在各個時刻的股票信息集合為{}，基于這些信息，我們假定在目標時刻T>t時的交易效果Ut最大，這個時刻決定出來的交易股票集合S St，種類t T，價格p N，股數(shù)n Z，這些參數(shù)組成的集合叫做Ot，那么交易決定問題就變成了集合Ot的確定問題。（在這里，S是可能交易的股票集合，T是交易種類的集合，N是自然數(shù)集合，Z是整數(shù)集合。）

這里我們把連續(xù)決策問題做為解決問題的方法，其實強化學習算法和遺傳算法等也正在被研究。當使用這些方法的時候，如何設(shè)計效果函數(shù)U就成了一個很大的課題。

3.2 股票選擇問題

如上所述，我們用一個4元組（s，t，p，n）來表示一次交易，本節(jié)我們著眼于股票集合S，以各時間t的股票信息It為基礎(chǔ)，從可能交易的股票集合S里來決定要交易的股票集合。

股票的選擇問題，可以歸類于人工智能領(lǐng)域的分類問題(Classification)[3]，也就是說將可能交易的股票集合S分成兩類：交易股票和非交易股票，也叫二值分類問題。對于分類問題的解決方法有很多研究，在使用這些方法時，變量的選擇非常重要。

3.3 股價的預測問題

Kaburobo的效果函數(shù)U，在很多場合都與股價有著很深的聯(lián)系，因此，在目標時刻T，用效果函數(shù)U的大小來幫助預測股價會很有幫助的。

股價的預測問題就是，在各個時刻t，根據(jù)股票信息It來推定目標時刻的股票價格Pr。這個問題在人工智能領(lǐng)域被當作回歸問題處理（Regression），也就是說，對于可能交易股票的集合S中所包含的事件，每一件都分配給一個數(shù)值。

目前，回歸問題中的邏輯回歸（Logistic）和支持向量回歸（Support Vector）等的解決方法有很多，當然在使用這些方法的時候，變量的選擇也很重要[4，5]。

另外，這個問題也可以看作是時序列數(shù)據(jù)預測問題（Time-Series Data Prediction），就是說，對于每一支股票，隨著時間的發(fā)展，通過過去的股價可以預測將來的股價，從持續(xù)增加的大量時序列數(shù)據(jù)中，總結(jié)出股價變化的規(guī)律和模式，從而推測股票的價格走勢。

3.4 其他因素對股價的影響

影響股票市場的因素很多，比如新產(chǎn)品的發(fā)布，投資計劃的變更，國家政策的改變，甚至美國總統(tǒng)的選舉都對投資者的投資計劃有很大影響。因此，如果能足夠充分的考慮到這些因素對股價的影響，那么就能夠達到理想的投資效果。

4 結(jié)束語

本文在現(xiàn)有的研究成果上，介紹了Kaburobo機器人的工作原理，并從人工智能的角度出發(fā)，提出Kaburobo股票機器人的優(yōu)化方案。

總體來說，本文中提出的方案能夠在一定的條件下解決問題，但是，股票市場瞬息萬變而且受各種因素影響，要想更好的解決問題需要更進一步的研究。人工智能是一門在很多領(lǐng)域被廣泛應(yīng)用的學科，隨著越來越多的人參與研究人工智能，一定會使它不斷獲得新的發(fā)展。

參考文獻：

[1] 蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導論[M].北京：高等教育出版社，2001:39-40.

[2] Kaburobo http://www.Kaburobo.jp[ol].

[3] 俞星星，閻平凡.強化學習系統(tǒng)及其基于可靠度最優(yōu)的學習算法[J].信息與控制，1999m10:99-101.

[4] 王小平，曹立明.遺傳算法理論應(yīng)用與軟件實現(xiàn)[M].西安:西安交通大學出版社，2002.27-29.

[5] 張汝波，張國印.強化學習系統(tǒng)的結(jié)構(gòu)及算法[J].計算機科學，1999，10:231-233.

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文