基于機(jī)器學(xué)習(xí)在股票投資的研究

朱智賢

（中國計(jì)量大學(xué)，浙江 杭州 310018）

一、前言

在投資策略里，人們一直以來在為收益與風(fēng)險(xiǎn)想方設(shè)法，以此獲得盡可能高的收益，同時(shí)承擔(dān)盡可能低的風(fēng)險(xiǎn)。在過去，投資策略往往來自于主觀性的決策，比如投資經(jīng)理憑借自身對(duì)技術(shù)指標(biāo)的經(jīng)驗(yàn)，從而做出買賣決策，這樣的行為即存在很大的主觀性。在瞬息萬變的金融市場(chǎng)中，主觀交易者要處事不驚同時(shí)又要眼疾手快地捕捉到稍縱即逝的機(jī)遇，如此需要精力的狀態(tài)每天持續(xù)，也難免會(huì)力不從心。相反，量化投資在面對(duì)大量信息的時(shí)候，可以利用編程語言等工具來構(gòu)建算法，做到客觀地分析數(shù)據(jù)，實(shí)現(xiàn)無限精力，概率取勝，紀(jì)律性強(qiáng)的自動(dòng)化交易，大大地提高了分析數(shù)據(jù)信息和交易的效率。

二、機(jī)器學(xué)習(xí)的應(yīng)用定義

為了將機(jī)器學(xué)習(xí)應(yīng)用到我們的真實(shí)世界的策略中，一般將采用6個(gè)步驟：

（一）數(shù)據(jù)收集

在大多數(shù)情況下，需要收集文本文件、電子表格或者數(shù)據(jù)庫等的單一數(shù)據(jù)源。

（二）數(shù)據(jù)的探索和準(zhǔn)備

任何機(jī)器學(xué)習(xí)項(xiàng)目的質(zhì)量基本取決于它的數(shù)據(jù)的質(zhì)量，所以要了解數(shù)據(jù)信息，在使用前，需要花費(fèi)大量時(shí)間去修復(fù)或者清理一些不規(guī)范的數(shù)據(jù)，刪除不必要的數(shù)據(jù)并標(biāo)準(zhǔn)化，以便后期的模型處理。

（三）模型訓(xùn)練

在已經(jīng)準(zhǔn)備好用于分析的數(shù)據(jù)時(shí)，很有可能已經(jīng)有了對(duì)數(shù)據(jù)如何處理的想法，選擇合適的機(jī)器學(xué)習(xí)算法。

（四）模型評(píng)價(jià)

由于機(jī)器學(xué)習(xí)模型會(huì)產(chǎn)生一個(gè)問題的有未知偏差的解決辦法，所以評(píng)價(jià)算法從經(jīng)驗(yàn)中學(xué)習(xí)是很重要的，那么可用測(cè)試集來評(píng)價(jià)其準(zhǔn)確性。

（五）模型改進(jìn)

需使用更高級(jí)的方法來提高模型性能。比如可以更換一個(gè)完全不同的模型；補(bǔ)充一些其他的變量數(shù)據(jù)或者對(duì)數(shù)據(jù)進(jìn)行額外的準(zhǔn)備工作等。

（六）應(yīng)用進(jìn)預(yù)期的任務(wù)

如果模型性能令人滿意，就可以將之用到預(yù)期的任務(wù)里，比如預(yù)測(cè)股價(jià)等。

三、研究意義

現(xiàn)今的大數(shù)據(jù)時(shí)代下，基于機(jī)器學(xué)習(xí)的數(shù)據(jù)運(yùn)用越來越頻繁，比如翻譯語言中的語音識(shí)別、信息檢索和自動(dòng)駕駛?？梢钥吹剑絹碓蕉嗟娜俗⒁獾綑C(jī)器學(xué)習(xí)這個(gè)領(lǐng)域。特別是最近幾年興起的量化投資，已是每一位股票研究員值得關(guān)注與學(xué)習(xí)的條件。

（一）模型的選擇

以機(jī)器學(xué)習(xí)為工具，均進(jìn)行隨機(jī)森林（RM）、邏輯斯蒂（Logistic）、支持向量機(jī)(SVM)、平均神經(jīng)網(wǎng)絡(luò)（Neural network）和XGBoost模型訓(xùn)練測(cè)試，比較他們的準(zhǔn)確性、敏感性和特異性。模型之間對(duì)比之后選擇最佳的模型建立股票池，接著利用各股等權(quán)重比例構(gòu)建量化投資策略，進(jìn)行回測(cè)得出每一年的收益率和累計(jì)收益率，并與大盤進(jìn)行比較。

（二）操作流程

從Wind數(shù)據(jù)庫獲得到這些財(cái)務(wù)指標(biāo)數(shù)據(jù)，在建立機(jī)器學(xué)習(xí)模型之前，需要對(duì)數(shù)據(jù)進(jìn)行收集（從Wind數(shù)據(jù)庫里導(dǎo)出）、處理缺失值（數(shù)據(jù)刪除和填補(bǔ)）、數(shù)據(jù)歸一化，PCA對(duì)數(shù)據(jù)進(jìn)行降維等。對(duì)財(cái)務(wù)指標(biāo)輸入變量的處理大部分為缺失值的處理，缺失值處理本文采用的是最近鄰插值和近五年平均數(shù)及整體平均數(shù)的數(shù)據(jù)填補(bǔ)方法。對(duì)Y輸出變量的處理需要用到收盤價(jià)的數(shù)據(jù)，當(dāng)股票的收盤價(jià)漲跌幅大于 HS300 指數(shù)的漲跌幅，Y的值取1，反之則取 0。相比之下，在R語言編程語言中，對(duì)輸出變量的處理速度要比輸入變量快很多。將數(shù)據(jù)處理至符合訓(xùn)練測(cè)試的要求時(shí)，利用五種算法對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練測(cè)試，得出準(zhǔn)確性、敏感性和特異性綜合水平最佳的算法。使用最佳的算法預(yù)測(cè)出每一年上漲概率前20的股票，按等權(quán)配重分配，建倉、調(diào)倉8次構(gòu)建一個(gè)長(zhǎng)期的投資策略，最后回測(cè)得出該投資策略的收益率是否令人滿意。

（三）模型結(jié)果

本文將更傾向于隨機(jī)森林和XGBoost能得到不錯(cuò)的預(yù)測(cè)概率，結(jié)果：比較準(zhǔn)確率的話，隨機(jī)森林＞平均神經(jīng)網(wǎng)絡(luò)＞XGBoost＞邏輯斯蒂＞支持向量機(jī)。隨機(jī)森林算法是合適的量化選股型，在這里本文基于隨機(jī)森林模型使用填補(bǔ)和歸一化后的財(cái)務(wù)指標(biāo)數(shù)據(jù)，每年依照模型預(yù)測(cè)出的上漲(up)的概率從高到低選20只優(yōu)質(zhì)股。收益率高出HS300大盤51.5%，跑贏了大盤。