基于機(jī)器學(xué)習(xí)下量化選股的分析

楊亞?wèn)|

【摘要】股票市場(chǎng)屬于非線性系統(tǒng)，復(fù)雜性高而信噪比低。目前，多個(gè)領(lǐng)域中已經(jīng)證實(shí)，機(jī)器學(xué)習(xí)是一種能夠針對(duì)模糊非線性數(shù)據(jù)建模的工具，所以機(jī)器學(xué)習(xí)具有天然的應(yīng)用到量化投資領(lǐng)域的優(yōu)勢(shì)。從本質(zhì)上看，選股是排序問(wèn)題，投資者希望在眾多的股票中選擇出具有更好未來(lái)表現(xiàn)的股票。基于此，本文分析了利用機(jī)器學(xué)習(xí)量化選股的方法。

【關(guān)鍵詞】機(jī)器學(xué)習(xí) 量化投資 選股

相對(duì)于國(guó)外來(lái)說(shuō)，我國(guó)屬于剛剛開(kāi)始發(fā)展量化投資，存在的不足之處仍比較多，但從實(shí)際情況看，A股市場(chǎng)具有較短的發(fā)展歷程，與已經(jīng)發(fā)展的比較成熟的海外市場(chǎng)相比，市場(chǎng)有效程度比較弱，錯(cuò)誤定價(jià)的股票數(shù)量比較多，普遍存在非理性人投資行為，也正是因?yàn)榇朔N不成熟特征的存在，為我國(guó)量化投資的發(fā)展提供了巨大的空間。因此，在現(xiàn)階段A股市場(chǎng)中，更適合的量化投資方式為公正、理性、客觀的。由此看來(lái)，本文研究量化選股的方法具有十分重要的現(xiàn)實(shí)意義。

一、短線選股策略

本節(jié)構(gòu)建樣本集時(shí)，特征選擇為20個(gè)交易日內(nèi)個(gè)股的收盤價(jià)走勢(shì)，訓(xùn)練樣本方法采用兩種，分別為機(jī)器學(xué)習(xí)算法GBDT、GBRank，模式識(shí)別有機(jī)器學(xué)習(xí)自動(dòng)進(jìn)行。

（一）數(shù)據(jù)準(zhǔn)備

需準(zhǔn)備的數(shù)據(jù)包含2部分，一部分為樣本內(nèi)數(shù)據(jù)，屬于訓(xùn)l練集，另一部分為樣本外數(shù)據(jù)，屬于測(cè)試集。本文數(shù)據(jù)均來(lái)源于Wind資訊，時(shí)間段為2006年1月1日2016年11月30日，均為A股收盤價(jià)。之后分割該時(shí)問(wèn)段的數(shù)據(jù)，使其變?yōu)椴淮嬖诮患膬刹糠郑?xùn)練樣本使用2006年1月1日2012年11月5日數(shù)據(jù)，測(cè)試樣本使用剩余時(shí)間段的數(shù)據(jù)。訓(xùn)l練樣本和測(cè)試樣本生產(chǎn)時(shí)，如果股票上市后的交易日未滿21個(gè)，做剔除處理，最后，生產(chǎn)約240萬(wàn)訓(xùn)練樣本。

（二）提取特征

構(gòu)建策略時(shí)，關(guān)鍵性的一步為特征提取，因本章短線選股策略是在模式識(shí)別基礎(chǔ)上進(jìn)行的，因此，關(guān)注K線形態(tài)特，征過(guò)程中僅選擇20個(gè)交易日的。首先，通過(guò)指數(shù)移動(dòng)平均線，過(guò)濾到收盤價(jià)的噪聲，隨后進(jìn)行價(jià)格走勢(shì)形態(tài)特征向量的描述，描述序列為收益率序列，最后，完成特征提取。

（三）模型訓(xùn)練

排序模型訓(xùn)練時(shí)，利用兩種算法進(jìn)行。第一種為GBDT，訓(xùn)練中，股票問(wèn)相對(duì)順序不做考慮，僅擬合其絕對(duì)得分，訓(xùn)練樣本構(gòu)建過(guò)程中，3個(gè)交易日后，若樣本漲幅≥1%，則得分=1，否則樣本得分=O，根據(jù)此種方式，訓(xùn)練樣本集即可獲得，接著以訓(xùn)練樣本集作為GBDT的輸入樣本集，訓(xùn)練排序模型，此過(guò)程中，由于GBDT存在較多的參數(shù)，如果調(diào)參采用交叉驗(yàn)證方式，將會(huì)耗費(fèi)大量的時(shí)間，因此，本文按照知識(shí)和經(jīng)驗(yàn)，調(diào)優(yōu)逐步的進(jìn)行，完整訓(xùn)練后，排出函數(shù)h輸出，通過(guò)h，即可開(kāi)展打分操作，依據(jù)分?jǐn)?shù)由高到低，排序未來(lái)3天內(nèi)漲幅會(huì)超過(guò)1%的股票，供投資者選擇。第二種為GBRank，這是一種pairwise方法，僅對(duì)同一時(shí)段內(nèi)股票的相對(duì)漲跌幅做出考慮，保證訓(xùn)練樣本不會(huì)受到系統(tǒng)性風(fēng)險(xiǎn)的影響，訓(xùn)練樣本集獲取后，輸入到GBRank中，訓(xùn)練排序模型，參數(shù)直接選擇相同于GBDT的，最終，排除函數(shù)h獲得，排序未來(lái)3天內(nèi)股票的表現(xiàn)。

二、長(zhǎng)線選股策略

因短線選股策略僅能排序3天以內(nèi)的，時(shí)間較短，本節(jié)提出的長(zhǎng)線選股策略可排序未來(lái)20個(gè)交易日內(nèi)的股票。

（一）數(shù)據(jù)準(zhǔn)備

本節(jié)中，數(shù)據(jù)來(lái)源、選取時(shí)間段、劃分訓(xùn)練樣本和測(cè)試樣本的方法均相同于1.1，不過(guò)，訓(xùn)練樣本和測(cè)試樣本生成時(shí)，要將股票上市時(shí)間不足3個(gè)月的剔除，以能與44維的要求相符合。最后，生成約160萬(wàn)的訓(xùn)練樣本。

（二）特征提取

因要構(gòu)建長(zhǎng)線選股策略，因此要對(duì)個(gè)股在過(guò)去20個(gè)交易內(nèi)、2個(gè)月交易日內(nèi)、3個(gè)月交易日內(nèi)的動(dòng)量因子做出關(guān)注。首先。動(dòng)量、反轉(zhuǎn)效應(yīng)特征向量描述時(shí)，采用的序列為個(gè)股動(dòng)量因子序列，z-score標(biāo)準(zhǔn)化處理每一維度的特征向量；其次，以元素所處維度為依據(jù)，將每個(gè)元素的分位數(shù)計(jì)算出來(lái)；最后，組合上述兩步處理后的特征向量，使特征向量達(dá)到44維，此種特征向量能夠輸入到機(jī)器學(xué)習(xí)中。

（三）模型訓(xùn)練

模型訓(xùn)練時(shí)，同樣采用1.3中的兩種方法。利用GBDT訓(xùn)練過(guò)程中，訓(xùn)練方式采用pointwise，無(wú)需對(duì)股票問(wèn)相對(duì)順序做出考慮，僅需擬合其絕對(duì)分?jǐn)?shù)，20個(gè)交易日后，與股票漲幅均值相比，樣本股價(jià)漲幅更大時(shí)，得分=1，樣本股價(jià)漲幅更小時(shí)，得分=O，此處劃分樣本參照的標(biāo)準(zhǔn)為漲幅均指，以能保證排序的客觀性、準(zhǔn)確性，隨后，獲得訓(xùn)練樣本集，并輸入到GBDT中，訓(xùn)練排序模型，由于本節(jié)特征向量維度要顯著高于1.3節(jié)的，因此設(shè)置參數(shù)時(shí)會(huì)不同于1.3，要增加回歸樹最大深度、并增加葉子結(jié)點(diǎn)數(shù)上限，完成訓(xùn)練后，排序函數(shù)h獲得，通過(guò)h，即可完成未來(lái)20個(gè)交易日內(nèi)的股票排序工作。利用GBRank訓(xùn)練過(guò)程中，訓(xùn)練方法相同于1.3此種方法，獲得訓(xùn)練樣本集后，輸入到GBRank中，接著訓(xùn)練排序模型，設(shè)定的參數(shù)完全相同于本節(jié)的GBDT方法，最終，排序函數(shù)h獲得，完成排序。

三、結(jié)論

機(jī)器學(xué)習(xí)基礎(chǔ)上，本文構(gòu)建了短線和長(zhǎng)線量化選股策略，能夠排序未來(lái)3個(gè)交易日及未來(lái)20個(gè)交易日內(nèi)的股票，利于投資者實(shí)現(xiàn)量化選股，從而提高投資者投資的理性程度，促進(jìn)我國(guó)A股市場(chǎng)的良好發(fā)展。不過(guò)，本文構(gòu)建選股策略后，并未進(jìn)行實(shí)際的實(shí)驗(yàn)，因而還需要進(jìn)一步的開(kāi)展驗(yàn)證研究。

參考文獻(xiàn)：

[1]馮楠，陳有為.基于量化趨勢(shì)跟蹤的計(jì)算機(jī)自動(dòng)化選股模型的設(shè)計(jì)與實(shí)現(xiàn)[J].自動(dòng)化與儀器儀表，2016，（08）.

[2]李姝錦，胡曉旭，王聰.淺析基于大數(shù)據(jù)的多因子量化選股策略[J].經(jīng)濟(jì)研究導(dǎo)刊，2016，（17）.