基于機(jī)器學(xué)習(xí)的場外配資識別算法設(shè)計(jì)與應(yīng)用

俞建群, 李雙宏

(東方證券股份有限公司，上海 200010)

0 引言

場外配資是指場外證券資產(chǎn)融資業(yè)務(wù)，其本質(zhì)是一種資金借貸關(guān)系。作為一種融資手段，場外配資存在諸多風(fēng)險(xiǎn)[1]。中國證券業(yè)協(xié)會頒布的《場外證券業(yè)務(wù)備案管理辦法》中指出場外配資活動(dòng)應(yīng)當(dāng)進(jìn)行備案，最高人民法院發(fā)布《全國法院民商事審判工作會議紀(jì)要》明確場外配資合同無效，說明該業(yè)務(wù)存在違反法律與政策的風(fēng)險(xiǎn)；在場外配資過程中，股票賬戶由配資方監(jiān)控，存在違約和操作風(fēng)險(xiǎn)；場外配資系統(tǒng)的自動(dòng)平倉功能及較高的杠桿率，易引發(fā)市場下行時(shí)的系統(tǒng)性風(fēng)險(xiǎn)；由于配資賬戶所持股票通常波動(dòng)率和周轉(zhuǎn)率較大，在加強(qiáng)股票流動(dòng)性的同時(shí)也增大了極端事件惡化的概率，加劇股票市場的異常波動(dòng)。

對此，監(jiān)管部門已多次發(fā)聲表明，密切關(guān)注資本市場場外配資情況，嚴(yán)厲打擊違法違規(guī)的場外配資行為。對場外配資進(jìn)行監(jiān)管監(jiān)控，從微觀的資本市場參與者角度來說，有利于促進(jìn)投資者防范相應(yīng)的投資風(fēng)險(xiǎn)，避免投資者受到非法配資公司非法經(jīng)營或詐騙行為的損害；從宏觀角度來說，有利于避免場外配資業(yè)務(wù)通過盲目擴(kuò)張資本市場信用交易規(guī)模，沖擊資本市場交易秩序，從而維護(hù)證券市場的穩(wěn)定。

目前對于場外配資賬戶的識別與篩查，不同的監(jiān)管部門均有一定的判別標(biāo)準(zhǔn)和認(rèn)定規(guī)則，這些標(biāo)準(zhǔn)主要是來源于工作經(jīng)驗(yàn)[2]。通過對證監(jiān)會向四家證券公司和三家技術(shù)支持公司作出的監(jiān)管函進(jìn)行梳理，可以歸納出目前場外配資的主要監(jiān)管依據(jù)有軟件提供商非法經(jīng)營證券業(yè)務(wù)規(guī)定、證券公司違反賬戶實(shí)名制規(guī)定和交易軟件不符合期貨公司審慎經(jīng)營和風(fēng)險(xiǎn)管理要求[3]。

此外，傳統(tǒng)的場外配資識別系統(tǒng)大多采用規(guī)則驅(qū)動(dòng)的方法，根據(jù)設(shè)定的規(guī)則特征進(jìn)行篩選，比如賬戶總資產(chǎn)規(guī)模、賬戶成交量、交易頻次等，規(guī)則的制定較為主觀，需要不斷進(jìn)行規(guī)則的調(diào)整或增加。而隨著政策性或市場環(huán)境的變化，之前的監(jiān)管規(guī)則可能失效，出現(xiàn)誤報(bào)或漏報(bào)，并且賬戶的行為模式也在不斷發(fā)生變化，被動(dòng)地制定規(guī)則存在滯后性與局限性，無法動(dòng)態(tài)靈活地根據(jù)行情變化及實(shí)際交易行為進(jìn)行及時(shí)的場外配資監(jiān)控。

針對場外配資監(jiān)控系統(tǒng)現(xiàn)狀，本文創(chuàng)新性地采用人工智能的手段，通過機(jī)器學(xué)習(xí)算法進(jìn)行市場交易行為分析，從而準(zhǔn)確靈活地識別出賬戶是否為配資賬戶。本文提出了基于改進(jìn)的XGBoost場外配資監(jiān)控算法，并結(jié)合場外配資識別的業(yè)務(wù)需求，在現(xiàn)有的規(guī)則篩選方法基礎(chǔ)上，設(shè)計(jì)合理的業(yè)務(wù)特征，通過特征工程及重要性分析構(gòu)建特征指標(biāo)體系。根據(jù)場外配資行為特性對XGBoost模型進(jìn)行改進(jìn)，更好地用于配資賬戶的識別。在效果評價(jià)方面，結(jié)合實(shí)際賬戶分布及識別需求，選取召回率作為關(guān)鍵評價(jià)指標(biāo)。實(shí)驗(yàn)結(jié)果顯示，本文所提出的場外配資監(jiān)控算法得到了更高的準(zhǔn)確率，具有更優(yōu)的識別效果，并且通過市場交易行為分析能夠更加靈活快速地適應(yīng)市場環(huán)境變化，從而更好地用于證券市場的場外配資監(jiān)控。

1 基于改進(jìn)的XGBoost的場外配資監(jiān)控

1.1 場外配資流程

場外配資是一種金融融資手段，逐漸形成了較明確的業(yè)務(wù)流程。首先，用戶向配資公司繳納服務(wù)費(fèi)、手續(xù)費(fèi)等，并繳納賬戶初始資金(保證金)。其次，配資公司提供無限制配資、按月配資、按周配資、按天配資等業(yè)務(wù)，用戶選擇配資模式和配資比例后，配資公司向用戶提供合同規(guī)定賬戶金額的賬戶，之后用戶即可進(jìn)行買入或賣出操作。為了確保出借資金的安全，配資公司實(shí)時(shí)監(jiān)控客戶賬戶資金情況，設(shè)置平倉線和預(yù)警線。每日清算階段，配資公司會判斷用戶的賬戶資金是否達(dá)到相應(yīng)的臨界線。如果未觸及臨界線，用戶可正常交易；若低于補(bǔ)充保證金臨界線，則提醒用戶補(bǔ)充保證金；若低于強(qiáng)制平倉臨界線，用戶需補(bǔ)充保證金才可進(jìn)行后續(xù)操作，若不補(bǔ)充，則配資公司會對賬戶強(qiáng)制平倉，平倉后進(jìn)行保證金結(jié)算，用戶退出配資系統(tǒng)。具體配資流程圖如圖1所示。

圖1 配資流程圖

例如，某用戶初始資金為100萬元，按照5倍杠桿進(jìn)行配資，則可操作資金為600萬元。按照合同規(guī)定，警戒線(補(bǔ)充保證金臨界線)為杠桿操盤資金+本金×50%，即550×(500+100×50%)，平倉線為杠桿操盤資金+本金×30%，即530×(500+100×30%)。某天清算后，用戶總資產(chǎn)為525萬元，則用戶至少補(bǔ)充5萬元的保證金才可進(jìn)行第二日的交易操作。若不補(bǔ)充保證金，則公司進(jìn)行強(qiáng)制平倉后用戶實(shí)得金額約為25萬元，虧損約75萬元。

在深入了解場外配資賬戶交易行為的基礎(chǔ)上，我們構(gòu)建了與場外配資識別強(qiáng)相關(guān)的特征指標(biāo)體系，并以市場交易行為分析為基礎(chǔ)進(jìn)行場外配資監(jiān)控算法設(shè)計(jì)。

1.2 場外配資監(jiān)控算法流程

場外配資監(jiān)控系統(tǒng)的流程如圖2所示。

圖2 場外配資賬戶識別流程

首先，結(jié)合實(shí)際場外配資背景，使用歷史行情數(shù)據(jù)生成配資和合規(guī)交易數(shù)據(jù)，導(dǎo)入委托交易數(shù)據(jù)庫。隨后，進(jìn)行特征設(shè)計(jì)，抽取出具有場外配資行為特性的特征。最后，設(shè)計(jì)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練預(yù)測，本文選取了兩種集成算法，隨機(jī)森林和XGBoost，相對于單一的弱學(xué)習(xí)器，集成算法的學(xué)習(xí)器更精確，魯棒性更好，并且結(jié)合業(yè)務(wù)實(shí)際，從3個(gè)角度對XGBoost模型進(jìn)行了改進(jìn)優(yōu)化。

由于賬戶交易數(shù)據(jù)涉及客戶隱私，在數(shù)據(jù)獲取途徑上，采用了數(shù)據(jù)生成的方法，即根據(jù)歷史行情數(shù)據(jù)并結(jié)合場外配資交易的行為特征，構(gòu)建了賬戶生成算法模型，生成相應(yīng)的交易數(shù)據(jù)。

1.3 配資賬戶的實(shí)現(xiàn)和交易數(shù)據(jù)的生成

根據(jù)配資流程，定義配資賬戶類，并按照不同的交易策略生成配資賬戶的交易數(shù)據(jù)。配資賬戶類的說明如表1所示。

表1 配資賬戶類屬性和方法

生成交易數(shù)據(jù)的偽代碼如表2所示。數(shù)據(jù)具有隨機(jī)性。

表2 交易數(shù)據(jù)生成偽代碼

通過不斷重復(fù)上述操作，最終得到的交易數(shù)據(jù)集中共有188個(gè)正常賬戶，56個(gè)配資賬戶，共158 370條交易記錄。配資賬戶占比小的原因是在真實(shí)情況中，配資賬戶占比較小，這樣設(shè)置類別比例更符合實(shí)際。

1.4 特征工程

針對數(shù)據(jù)庫中的交易操作記錄，首先進(jìn)行交易數(shù)據(jù)的特征工程。結(jié)合場外配資的業(yè)務(wù)特點(diǎn)，抽取了交易頻率、總成交量等9個(gè)特征，具體說明如表3所示。

表3 特征設(shè)計(jì)

偏度(skewness)是統(tǒng)計(jì)數(shù)據(jù)分布偏斜方向和程度的度量，是統(tǒng)計(jì)數(shù)據(jù)分布非對稱程度的數(shù)字特征。其表征概率分布密度曲線相對于平均值不對稱程度的特征數(shù)。直觀看來就是密度函數(shù)曲線尾部的相對長度。偏度是樣本的三階標(biāo)準(zhǔn)化矩，其計(jì)算式為式(1)。

(1)

其中,k2、k3分別表示二階和三階中心距。在一般情形下，當(dāng)統(tǒng)計(jì)數(shù)據(jù)為右偏分布時(shí)，Skew>0，且Skew值越大，右偏程度越高；當(dāng)統(tǒng)計(jì)數(shù)據(jù)為左偏分布時(shí)，Skew<0，且Skew值越小，左偏程度越高。當(dāng)統(tǒng)計(jì)數(shù)據(jù)為對稱分布時(shí)，顯然有Skew=0。

峰度(kurtosis)表征概率密度分布曲線在平均值處峰值高低的特征數(shù)。直觀看來，峰度反映了峰部的尖度。如果峰度大于3，峰的形狀比較尖，比正態(tài)分布峰要陡峭。反之亦然。峰度的計(jì)算式為式(2)。

(2)

其中,μ4表示四階中心距，減3是為了方便和正態(tài)分布進(jìn)行對比。在實(shí)際計(jì)算中，常用的是樣本峰度的計(jì)算式，其表達(dá)式為式(3)。

(3)

1.5 交易賬戶類型識別

1.5.1 基于隨機(jī)森林的特征重要性分析

隨機(jī)森林(Random Forest，RF)[4]，指的是利用多棵樹對樣本進(jìn)行訓(xùn)練并預(yù)測的一種分類器。該分類器最早由Leo Breiman和Adele Cutler提出，由多棵CART(Classification And Regression Tree)構(gòu)成，每棵樹所使用的訓(xùn)練集是從總的訓(xùn)練集中有放回采樣出來的，這意味著，總訓(xùn)練集中的部分樣本可能多次出現(xiàn)在一棵樹的訓(xùn)練集中，也可能從未出現(xiàn)在任意樹的訓(xùn)練集中。在訓(xùn)練每棵樹的節(jié)點(diǎn)時(shí)，使用的特征是從所有特征中按照一定比例隨機(jī)地?zé)o放回抽取的。

經(jīng)特征工程處理后的交易記錄數(shù)據(jù)集，共有9個(gè)特征和1個(gè)類別。這里采用隨機(jī)森林進(jìn)行了特征重要性分析，進(jìn)一步優(yōu)化特征指標(biāo)體系，并驗(yàn)證了所構(gòu)建特征對于場外配資賬戶識別的效果。接下來，基于隨機(jī)森林分類器進(jìn)行了建模識別。由于樣本存在比例不協(xié)調(diào)的問題，因此對模型的相關(guān)參數(shù)進(jìn)行了設(shè)定，使模型能夠更好地處理實(shí)際情況下的樣本分布不平衡問題。

1.5.2 基于改進(jìn)的XGBoost的場外配資監(jiān)控算法

考慮到隨機(jī)森林弱化預(yù)測偏差的局限性，本文進(jìn)一步使用了XGBoost算法對配資賬戶進(jìn)行識別。XGBoost是經(jīng)過優(yōu)化的分布式梯度提升庫，優(yōu)點(diǎn)在于在高效、靈活且可移植[5]。它是在Gradient Boosting框架下實(shí)現(xiàn)的一類集成樹的機(jī)器學(xué)習(xí)算法。XGBoost基于并行樹增強(qiáng)(GBDT，Gradient Boosting Decision Tree)的算法邏輯，可以快速準(zhǔn)確地解決許多數(shù)據(jù)科學(xué)問題。與隨機(jī)森林相比，XGBoost是一種提升算法，不僅學(xué)習(xí)效果較好，而且速度也很快，并且相較于隨機(jī)森林更加關(guān)注分類錯(cuò)誤的樣本。

在算法效果分析評估過程中，結(jié)合場外配資行為特性，除準(zhǔn)確性指標(biāo)外，本文采用召回率(Recall)作為關(guān)鍵度量指標(biāo)。召回率的實(shí)際意義為真實(shí)的配資賬戶最終被算法正確識別出來的比例，在實(shí)際業(yè)務(wù)場景中，往往更希望盡可能全面地識別出配資賬戶，保證不遺漏，因此使用召回率更符合實(shí)際場外配資監(jiān)控場景。

為了提高識別的召回率，本文對所使用的XGBoost算法進(jìn)行了以下改進(jìn)。

1)加入新特征

在原有特征的基礎(chǔ)上，新加入了總交易金額。其結(jié)果為每個(gè)賬戶的每條交易信息中價(jià)格與交易量乘積的求和。對于某個(gè)賬戶，設(shè)Pi為其第i條交易記錄中的交易價(jià)格;Vi為其第i條交易記錄中的交易量，則總交易金額TOTAL_ACCOUNT定義為式(4)。

(4)

2)對部分原特征對數(shù)變換

由于某些特征的分布圖中呈現(xiàn)三峰或多峰現(xiàn)象，本問題為二分類問題，最理想的狀況為雙峰分布，因此對于部分特征進(jìn)行了對數(shù)特征變換。

3)自定義測評函數(shù)

在XGBoost模型中，自定義測評函數(shù)。由于本問題更關(guān)注召回率這一指標(biāo)，因此將測評函數(shù)定義為1-召回率，即若測評函數(shù)越小，說明召回率越高，越符合實(shí)際要求。

2 實(shí)驗(yàn)結(jié)果分析

2.1 特征重要性分析

采用隨機(jī)森林模型進(jìn)行特征重要性分析與初步識別算法構(gòu)建?？紤]到樣本存在比例不協(xié)調(diào)的問題，因此對模型的相關(guān)參數(shù)進(jìn)行了設(shè)定。模型參數(shù)如下：n_estimators=200，max_depth=5，verbose=True，class_weight={"SMF":56,"NORMAL":188}。

特征重要度占比和排序如圖3所示。

從圖3可以看出，交易頻率(TRA_FRE)重要性最高，其次是交易總量(TRA_VOL)，個(gè)股交易量偏度(VOL_SKEW)等。結(jié)合特征重要度的實(shí)際意義，上述的特征排名能夠較好地反映出場外配資行為的特點(diǎn)。交易頻率反映出場外配資賬戶交易頻繁的特點(diǎn);交易總量特征說明與正常賬戶相比，交易總量存在顯著性差異;個(gè)股交易偏度則說明場外配資賬戶的歷史交易主體交易量變動(dòng)范圍大，交易行為具有不一致性的特點(diǎn)。

圖3 特征重要度占比排序

2.2 場外配資賬戶識別

將數(shù)據(jù)集按比例劃分為測試集和訓(xùn)練集。在測試集中，正常用戶(NORMAL)和配資賬戶(SMF)的比例為4:1以上，目的盡可能反映配資賬戶與合規(guī)賬戶分布不均衡的實(shí)際情況，同時(shí)保證實(shí)驗(yàn)驗(yàn)證結(jié)果的可靠性。

首先，采用基于隨機(jī)森林的場外配資識別模型進(jìn)行訓(xùn)練和預(yù)測。通過調(diào)整訓(xùn)練集中樣本比例，繪制出不同的訓(xùn)練集、測試集所對應(yīng)的預(yù)測準(zhǔn)確性和召回率結(jié)果，如圖4所示。

圖4 不同比例的測試集指標(biāo)圖

由圖4可以看出，最終經(jīng)過訓(xùn)練所得到的模型在測試集上的準(zhǔn)確性達(dá)到95%以上，召回率為96%。對比預(yù)測結(jié)果和真實(shí)值，發(fā)現(xiàn)預(yù)測錯(cuò)誤的賬戶數(shù)為1，且為配資賬戶。召回率Recall=27/28=96%。召回率是評價(jià)模型較好的指標(biāo)，因?yàn)樗砹四Ｐ蛷恼鎸?shí)的配資樣本中識別出配資賬戶的比例。當(dāng)測試集比例為0.8時(shí)，模型識別效果最好。

本文進(jìn)一步使用改進(jìn)的XGBoost算法對配資賬戶進(jìn)行識別，并選取了Binary:logistic作為算法的目標(biāo)函數(shù)。詳細(xì)的參數(shù)設(shè)置如表4所示。

表4 Binnary:logistic關(guān)鍵參數(shù)

將XGBoost與隨機(jī)森林的預(yù)測結(jié)果匯總，在不同的測試集樣本比例下，預(yù)測召回率如圖5所示。

圖5 數(shù)據(jù)折線圖

從圖5可以看出，在測試集中樣本分布比例達(dá)到90%時(shí)，改進(jìn)的XGBoost算法相比隨機(jī)森林能夠得到更高的召回率，召回率達(dá)98%。在小樣本訓(xùn)練集上，XGBoost的識別效率較高，說明本文改進(jìn)的算法具有魯棒性。在實(shí)際業(yè)務(wù)中，配資賬戶在總賬戶中的比例非常小，改進(jìn)的XGBoost算法能夠更好地適應(yīng)實(shí)際的賬戶數(shù)據(jù)分布情況，因此改進(jìn)的XGBoost更加適用于真實(shí)的場外配資監(jiān)控場景。

3 總結(jié)

場外配資是一種高風(fēng)險(xiǎn)的金融融資行為，其監(jiān)管是否有效關(guān)系到證券市場的穩(wěn)定和發(fā)展。本文創(chuàng)新性地提出了基于改進(jìn)的XGBoost的場外配資監(jiān)控算法。對于場外配資賬戶的識別，首先對不同賬戶的歷史交易信息通過特征工程進(jìn)行了特征指標(biāo)體系構(gòu)建，構(gòu)建了10個(gè)關(guān)鍵特征。針對新特征，首先使用了隨機(jī)森林算法進(jìn)行特征重要性分析與解釋驗(yàn)證，并初步進(jìn)行識別建模預(yù)測，結(jié)果顯示，該模型下的查全率(Recall)平均達(dá)到90%以上。然后，使用了XGBoost這一更加關(guān)注分類錯(cuò)誤樣本的梯度提升集成樹算法，并結(jié)合實(shí)際數(shù)據(jù)特征，對測評函數(shù)、特征等進(jìn)行了改進(jìn)，進(jìn)一步提升算法效果。最后，將改進(jìn)的XGBoost與隨機(jī)森林模型進(jìn)行了實(shí)驗(yàn)分析比較，結(jié)果顯示，改進(jìn)后的XGBoost算法相對于隨機(jī)森林，其在評價(jià)指標(biāo)上表現(xiàn)更優(yōu)，說明對場外配資的監(jiān)控效果表現(xiàn)優(yōu)異。本文通過機(jī)器學(xué)習(xí)算法對場外配資賬戶進(jìn)行識別，構(gòu)建場外配資監(jiān)控系統(tǒng)，能夠有效落實(shí)監(jiān)管要求，清查場外配資，有助于維持股市的健康有序發(fā)展，引領(lǐng)正確的價(jià)值投資理念。