推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
简单的利用 Logistic 训练的因子模型 年化超额 alpha 超过 20%
datayes2015 2016-09-19 16:41:06 +08:00 6700 次点击这是一个创建于 3387 天前的主题，其中的信息可能已经有所发展或是发生改变。
这个模型的思路就是利用历史月度数据建立分类器，选取了大概 20 个因子（继续加也没问题），然后以月度收益大于 25%的作为强势股+1 小于-10%的为弱势股-1 （这里用绝对强度而不是相对强度） 用得到的数据用 Logistic 模型训练，每过一期就把每个月的数据直接加到训练集里面，当然用滚动窗口训练也没问题（懒得做） 我也尝试过用 svm 分类，但是实际上效果并不好，据我做机器学习的同学表示， svm 在特征不够好的情况下 表现确实是还不如 logistic 模型的，这种二分类而因子模型本身不太可能做到样本外 80%以上的 AUC ，那太夸张了，所以似乎是 logistic 会好点，决策树我没试过 或者用 adaboost 或者随机森林什么的
当然模型还是有一点我想了很多办法也没法改进的问题：
1.首先，模型在市场风格急剧变化的情况下表现较差 在这里 牛熊变化的关口表现不好 波动性大 15 年股灾的的时候回测有差不多 45% 我本来想加个择时控制仓位的因子进去，但是怎么也选不好
2.对 1 里面的问题我还有一个思路，如果用随机梯度递减的算法是不是能较快反应出市场变化呢？不过这样的话训练集似乎太少了
3.可能会有点过拟合，但是并不会很明显，我改变参数回测了好几次，夏普比率都在 1 左右，最低也有 0.8 4.机器学习方法的通病就是逻辑性的不足，这里虽然是线性模型，也有一定这样的问题
总之这个模型还算稳定，基本上每年都可以获得超额收益，大家可以一起讨论改进
完整高清源代码请移步： https://uqer.io/community/share/5763ad63228e5b8199a55ebc
最大年化收益率高达 34.2%！
当然模型还是有一点我想了很多办法也没法改进的问题：
1.首先，模型在市场风格急剧变化的情况下表现较差 在这里 牛熊变化的关口表现不好 波动性大 15 年股灾的的时候回测有差不多 45% 我本来想加个择时控制仓位的因子进去，但是怎么也选不好
2.对 1 里面的问题我还有一个思路，如果用随机梯度递减的算法是不是能较快反应出市场变化呢？不过这样的话训练集似乎太少了
3.可能会有点过拟合，但是并不会很明显，我改变参数回测了好几次，夏普比率都在 1 左右，最低也有 0.8 4.机器学习方法的通病就是逻辑性的不足，这里虽然是线性模型，也有一定这样的问题
总之这个模型还算稳定，基本上每年都可以获得超额收益，大家可以一起讨论改进
完整高清源代码请移步： https://uqer.io/community/share/5763ad63228e5b8199a55ebc
最大年化收益率高达 34.2%！
 | 1 ytmsdy 2016-09-19 16:44:09 +08:00 如果能控制回撤那就更好了。 |
 | 2 menc 2016-09-19 16:53:50 +08:00  4 1. 单纯 LR 在 time series 数据上有这样的效果，我是不信的 2. “机器学习方法的通病就是逻辑性的不足”这句话槽点满满， LR 的可解释性是足够的 3. 选取的因素中有很多相关度高的特征，造成过拟合几乎是必然的，然而还是有这样的收益，效果简直让人发指。 4. 这代码 LR 的路子比较野，没有 normalization ，也没有 split ，特征维度 20 ，建议仔细打一下特征权重看一下。 |
 | 3 bugmenein 2016-09-19 17:29:37 +08:00 网站挂了 |
 | 4 skydiver 2016-09-19 18:32:18 +08:00 交易成本是多少 |
 | 5 panins 2016-09-19 22:00:41 +08:00 请问数据源是来自于哪里？ |
 | 6 alexapollo 2016-09-19 23:24:54 +08:00 2 夏普比在 3 以下的模型大多直接用于实战都有一些问题，建议还是直接交易试试吧 |
 | 7 datayes2015 OP @alexapollo okay |
| 8 datayes2015 OP @alexapollo 蟹蟹亲的建议 |
| 9 datayes2015 OP @panins 来自于通联数据 |
 | 10 xiaoyu9527 2016-09-20 15:23:13 +08:00 好牛逼呀 |
 | 11 ycge234 2016-09-20 17:24:41 +08:00 这算是新风口吗现在开始流行炒这个？ |
 | 12 server 2016-09-20 17:59:38 +08:00 这广告牛逼 |
 | 13 kimboqi 2016-09-20 18:06:34 +08:00 抽取的特征还是太少了， 楼主应该看看市面上的一些普通策略，就拿简单的小市值策略来说， 策略涉及到的特征不多基本都是股票的基本特征比如总市值，市盈率再利用移动平均线做好止损，简简单的策略年化收益就能上百。当然我一直相信只要特征够多，用机器学习的方法来预测还是有效的。 |
 | 14 myrual 2016-09-21 17:30:25 +08:00 这都年化 30%还不卖房卖地卖车进去干？ |
| 16 myrual 2016-09-23 13:00:18 +08:00 1 @skyworker 自动交易应该是有止损设计的吧。 @datayes2015 |
| 17 datayes2015 OP @myrual 是的 |
 | 18 icylord 2016-09-26 19:04:15 +08:00 能剔除 2015 年的牛市数据再看看收益吗？ |
 | 19 grindsgears 2016-10-19 17:08:16 +08:00 哎，。。。。。又是一个 你的策略基本就是复制基准的基础上稍微优化下， 1. 如果你是 15 年 6 月这个系统开始 run ，，，几个月，你会失去信心， 或者，根本不可能有人投钱给你 2 ，你们的通病都是没有考虑过， 停牌， 流动性不够等等的问题， 说白了，就是拿一段数据意淫而已。随便找一段随机的 ohlc 的数据，我可以弄两个 strategy ，一个收益曲线向上，一个曲线向下， lol 。 3. 优矿的数据精度完全不够。 tick 数据应该没有， orderbook 更不可能有， 涨停的你买不进，跌的时候你跑不掉，。 4. 总而言之，这些都是纸上谈兵， 建议你们都不要浪费时间了， 和真正的策略距离很远，。 你更多的是要考虑股票之间的 correlation 。股票和基准的 beta 率，你策略的资金容量， gross captial exposure ，等等等等等等等等。 那种梦想找到一个策略然后赚钱，几乎不要考虑了， 目前主流的基本一下几种 1 ，基于 orderbook 的 marketmaking 2 ，基于 spread 和 correlation 的 arbitrage 3. 那些 beautiful mind guys 的各种模型 即使是这样，大部分也是多策略同步运行的， 比如，一个追涨或者追跌的策略，在震荡的时候被杀到爆，， 你想避免，重点是，你怎么知道什么时候震荡结束？ 或者什么时候开始 真心不要浪费时间了 最后告诉你， 中国股票不是这么做的， 一个只可以做多的市场，在熊市随便什么策略都挂。 topdown 一直 bottom up 下来， 找到板块， 做多最强的， 最空最多的， 同时用 vix 的 option 对冲大波动风险。 中国股票，可以试试建立一个类似 50etf+500etf 的 portfolio ，用 a50 。 fxi 之类的对冲， 应该还有点机会 这一行，比的不是谁活得好，是比谁活的长，。 lol 说话比较直接，不要介意，，， 祝你好运 |
 | 20 aksoft 2016-10-19 17:13:19 +08:00 楼上是老 nb... |
 | 21 lixuda 2016-10-19 17:27:15 +08:00 @grindsgears 完全同意 |
 | 22 xieyingli 2016-10-19 17:35:04 +08:00 @grindsgears 哈哈哈，好有道理，感谢今天把这个帖子挖出来。 |
| 23 grindsgears 2016-10-19 18:51:15 +08:00 via iPhone 打错一个字。 是做多那个板块最强的股票同时做空同板块最弱的股票 |
Select Language