基于集成學(xué)習(xí)的量化擇時研究

朱玉輝 中國人民大學(xué)

一、引言與文獻綜述

預(yù)測滬深300 股指期貨的走勢，在研判經(jīng)濟趨勢和量化投資領(lǐng)域具有重要意義[11]。單一機器學(xué)習(xí)算法已經(jīng)在金融領(lǐng)域應(yīng)用中被廣泛研究。陳磊和何國輝（2016）通過訓(xùn)練C4.5 決策樹算法，使用結(jié)算價、漲跌、成交量和持倉量4 個屬性建模[7]，對期貨價格進行預(yù)測，具有一定的借鑒價值。陳添杰和陳雨桐（2002）將支持向量機模型用于上證50 股指期貨的實證分析[8]，并獲得了較高的精度。陳標金和王鋒（2019）將技術(shù)指標和宏觀經(jīng)濟指標共計10 個指標作為國債期貨價格的預(yù)測變量[6]，使用隨機森林模型預(yù)測，證實了宏觀經(jīng)濟指標和技術(shù)指標均對國債期貨價格具備一定的預(yù)測效果。組合機器學(xué)習(xí)算法也有初步進展，王維紅和聶爽爽（2009）將三種機器學(xué)習(xí)算法進行Bagging組合，對股票預(yù)測進行預(yù)測[10]，取得良好的組合效果。

文章分別運用了梯度提升決策樹（GBDT）、決策樹（DT）與隨機森林（RF）三種機器學(xué)習(xí)算法分別對滬深300 股指期貨進行擇時預(yù)測，并創(chuàng)新地通過對三種算法的預(yù)測結(jié)果和優(yōu)選兩種算法的預(yù)測結(jié)果進行邏輯回歸集成學(xué)習(xí)，加權(quán)集成計算新的預(yù)測概率，以獲取更高的準確率，利用強分類器進行集成學(xué)習(xí)和目標優(yōu)選算法集成學(xué)習(xí)是在金融領(lǐng)域應(yīng)用的進一步發(fā)展與完善。

二、理論介紹

（一）模型理論

1.決策樹

決策樹[1]（Decision Tree，DT）模型是一種基于實例的歸納型機器學(xué)習(xí)算法，通過遞歸的特征選擇，不斷的生成樹形結(jié)構(gòu)，并通過剪枝減少過擬合問題，從而通過樹形結(jié)構(gòu)的規(guī)則對未知樣本進行分類。

Breiman 等人在1984 年介紹了一種CART算法[1]，使用基尼系數(shù)（Gini Impurity，GINI）度量屬性分裂的優(yōu)劣。Quinlan 在1986 年提出了ID3 的算法[4]，通過選擇最大化信息增益的特征，不斷的遞歸成樹。Quinlan 在1993 年又提出了基于C4.5 的決策樹算法[5]，通過選擇能夠使信息增益比最大化的特征，不斷的遞歸成樹。

2.隨機森林

隨機森林[2]（Random Forest，RF）算法本質(zhì)是Bagging，總體思路是通過多個決策樹模型組合，對模型的預(yù)測結(jié)果進行少數(shù)服從多數(shù)的投票，可以增加模型的整體準確度和魯棒性，效果比單個模型要好。同時，在單個的決策樹模型中，隨機選擇部分特征用于決策樹的構(gòu)建，一般情況下，推薦隨機選擇log2A個[2]（A為特征總數(shù)）。

其中，H（X）是隨機森林的分類結(jié)果，hk（X）是每一個決策樹模型的分類結(jié)果，Y是分類結(jié)果，I（●）是示性函數(shù)。

3.梯度提升決策樹

梯度提升決策樹[3]（Gradient Boosting Decision Tree，GBDT），是一種基于決策樹作為基模型的Boosting 算法，Boosting 的思想是通過某種方式使得每一輪學(xué)習(xí)器在訓(xùn)練中更加關(guān)注上一輪學(xué)習(xí)錯誤的樣本，不同Boosting 之間的區(qū)別在于是采用何種方式訓(xùn)練，GBDT 是采用殘差迭代訓(xùn)練上一輪的決策樹模型。

GBDT 模型最終可以表示為CART 算法的加法模型：

其中，h（x;θm）表示第m個決策樹，θm為第m個決策樹的參數(shù)，M為決策樹個數(shù)。

4.邏輯回歸

邏輯回歸（Logistic 回歸）模型雖然簡單，但是是一種非常重要的機器學(xué)習(xí)模型之一，常用于分類問題[9]。

按照邏輯回歸的思路，將上述三種單一算法的預(yù)測概率作為三個因子進行輸入，進行集成學(xué)習(xí)的Stacking 處理，公式為：

其中，y為滬深300 股指期貨的漲跌，x1為梯度提升決策樹模型預(yù)測的概率結(jié)果，x2為隨機森林模型預(yù)測的概率結(jié)果，x3為決策樹模型預(yù)測的概率結(jié)果，βi（i=0,1,2,3）為模型的估計系數(shù)。當優(yōu)選兩種算法（梯度提升決策樹、決策樹）進行集成時，β2=0。

（二）算法評價標準

分別計算AUC、平均年化收益率、復(fù)合年化收益率、最大回撤率、年化波動率、Calmar 比率和夏普比率，對模型的結(jié)果進行評價。

三、實證分析

從公開二級市場信息中下載滬深300 股指期貨指數(shù)（IF 主連，IFL8）2010 年4 月16日 至2020 年12 月31 日期間550 周的周線數(shù)據(jù)，選取開盤價（Open）、最高價（High）、最低價（Low）、收盤價（Close）、成交量（Vol）、MACD.DIF、MACD.DEA 和MACD.MACD 數(shù)據(jù)，并計算周內(nèi)最高價與最低價價差（Range）、周內(nèi)收盤價與開盤價價差（Intra_Return）和一周收盤收益率（Weekly_Return），共計11 個因子，下一周周收益率是漲是跌作為預(yù)測值，采取用過去10 周預(yù)測未來一周漲跌的滾動預(yù)測方法進行擇時買入，即如果預(yù)測為1，則按照次周開盤價進行買入，于次周收盤價進行賣出，并計算收益；如果預(yù)測為0，則次周空倉等待，最終形成凈值曲線。

首先，使用梯度提升決策樹、隨機森林和決策樹三種單一分類方法分別對滬深300股指期貨進行了漲跌的預(yù)測，滾動回測的結(jié)果畫圖（見圖1），并計算上述的算法評價指標（見表1），然后通過對三種算法的預(yù)測結(jié)果進行邏輯回歸集成，計算新的預(yù)測概率，按照上述的買賣和空倉邏輯進行回測，凈值曲線的畫圖和算法評價指標見圖1 和表1。

其次，考慮到文章中使用的因子較少，無法發(fā)揮隨機森林在因子選擇上進行多重組合的優(yōu)勢，僅僅通過對決策樹和梯度提升決策樹兩種優(yōu)選算法的預(yù)測結(jié)果進行邏輯回歸集成，計算新的預(yù)測概率，同樣按照上述的買賣和空倉邏輯進行擇時并計算算法評價指標，凈值曲線的畫圖和算法評價指標見圖2和表1。

四、模型效果

（一）滾動回測表現(xiàn)

如圖1、圖2 和表1 所示。

表1 指數(shù)、單一模型和Stacking 集成模型的評價指標對比

圖1 梯度提升決策樹（GBDT）、隨機森林（RF）、決策樹（DT）與基于這三種機器學(xué)習(xí)Stacking集成模型（Combined 3ML）的滾動回測凈值圖（IFL8為滬深300股指期貨走勢圖）

圖2 梯度提升決策樹（GBDT）、決策樹（DT）與基于這兩種機器學(xué)習(xí)Stacking集成模型（Combined 2ML）的滾動回測凈值圖（IFL8為滬深300股指期貨的走勢圖）

（二）模型效果對比

1.預(yù)測準確度

不管是選擇全部算法結(jié)果進行集成，還是優(yōu)選兩個算法進行集成，集成學(xué)習(xí)模型預(yù)測準確率比單個的機器學(xué)習(xí)模型預(yù)測準確率都更高。

2.年化收益率

（1）所有用機器學(xué)習(xí)預(yù)測的模型收益率均戰(zhàn)勝指數(shù)本身，如果對收益率做簡單平均，差距會更大；

（2）集成模型收益率優(yōu)于單個機器學(xué)習(xí)模型的收益率；

（3）在單個機器學(xué)習(xí)模型中優(yōu)選兩個收益率更高的機器學(xué)習(xí)模型（DT 和GBDT）進行邏輯回歸集成，收益率優(yōu)于直接對三個模型進行集成。

3.最大回撤率

（1）所有用機器學(xué)習(xí)預(yù)測的模型最大回撤率均比指數(shù)本身回撤更小；

（2）集成學(xué)習(xí)模型回撤比率均小于單個機器學(xué)習(xí)模型的最大回撤率；

（3）對三個機器學(xué)習(xí)模型進行集成的最大回撤率小于優(yōu)選兩個機器學(xué)習(xí)模型集成的最大回撤率，符合收益越高，風(fēng)險越大的經(jīng)濟理論。

4.年化波動率

（1）所有用機器學(xué)習(xí)預(yù)測的年化波動率均比指數(shù)本身更低；

（2）集成模型年化波動率略高于單個機器學(xué)習(xí)模型的年化波動率，以稍高的年化波動率換取更高的收益和更低的最大回撤率。

5.Calmar 比率

（1）所有用機器學(xué)習(xí)預(yù)測的Calmar 比率均比指數(shù)本身更大；

（2）集成模型Calmar 比率均遠大于單個機器學(xué)習(xí)模型的回撤率；

（3）對三個機器學(xué)習(xí)模型進行集成的Calmar 比率大于優(yōu)選兩個機器學(xué)習(xí)模型集成的Calmar 比率。

6.夏普比率

（1）所有用機器學(xué)習(xí)預(yù)測的模型夏普比率均跑贏指數(shù)；

（2）集成模型夏普比率均大于單個機器學(xué)習(xí)模型的夏普率；

（3）對三個機器學(xué)習(xí)模型進行集成的夏普比率略小于優(yōu)選兩個機器學(xué)習(xí)模型集成的夏普比率。

五、結(jié)論與建議

文章通過對梯度提升決策樹、隨機森林和決策樹三種單一方法分別對滬深300 期貨指數(shù)（IFL8）進行了擇時預(yù)測，準確率分別為53.48%、52.96%和55.90%，三個模型最高凈值為3.3975。然后，對三種算法的預(yù)測結(jié)果進行邏輯回歸集成，重新產(chǎn)生新的預(yù)測結(jié)果，預(yù)測準確率為59.87%，累計凈值4.3509；考慮到收益率、AUC，也考慮到隨機森林更適合因子個數(shù)非常多的情況，優(yōu)選出梯度提升決策樹和決策樹兩種算法的預(yù)測結(jié)果進行邏輯回歸集成，重新產(chǎn)生新的預(yù)測結(jié)果，預(yù)測準確率為60.21%，累計收益凈值為4.9049。機器學(xué)習(xí)模型集成的預(yù)測準確率相對三種單一算法有較大的提升，滾動回測的凈值相比三個單一模型中最高凈值提升了1.5074，且顯著增加了策略的Calmar 比率和夏普比率，適合追求更高收益率的基金策略。

總體實驗的滾動回測結(jié)果表明，將多種單一機器學(xué)習(xí)模型的預(yù)測結(jié)果，使用邏輯回歸（Logistic 回歸）再次進行全部集成預(yù)測或通過優(yōu)選機器學(xué)習(xí)算法進行邏輯回歸，可以提升算法的準確率和魯棒性，為機器學(xué)習(xí)在量化投資領(lǐng)域的應(yīng)用開辟了新的道路，滾動回測同時也避免了隨機分組成訓(xùn)練組和測試組所導(dǎo)致的用未來數(shù)據(jù)來預(yù)測歷史數(shù)據(jù)的問題，同時滾動的方式更加符合實際的操盤。

本次研究的不足之處在于僅僅探索了較少的因子，把重心放在了機器學(xué)習(xí)集成的新算法上。影響金融和經(jīng)濟發(fā)展的因子非常復(fù)雜，較少的因子對走勢的描述勢必不夠全面，可以嘗試將成百上千的指標因子運用于上述算法中，以期獲得更好的效果。另外，結(jié)合期貨等衍生品的特性，將預(yù)測為0 時的空倉，轉(zhuǎn)換成做空的信號，更好地利用衍生品的多空優(yōu)勢，更能增加策略的收益和收益回撤比。