基于Bootstrap方法、隱馬爾可夫模型與隨機森林的量化投資策略實證研究.pdf

1、量化投資近些年來越來越受到投資者的關(guān)注，尤其在中國，股票市場與期貨期權(quán)市場有著非常多的標(biāo)的可以進行交易與投資。由于機器學(xué)習(xí)方法本身與量化投資的特點相契合，機器學(xué)習(xí)方法逐漸成為了量化投資的主流研究方向。怎樣將機器學(xué)習(xí)的優(yōu)點與量化投資相結(jié)合，并且盡量規(guī)避機器學(xué)習(xí)方法過擬合的缺點，成為了很多從業(yè)者所要解決的主要問題。本文主要從國內(nèi)較為活躍的商品期貨鐵礦石期貨主力連續(xù)合約入手，對其日線級別的數(shù)據(jù)進行建模，從價格與成交量等數(shù)據(jù)中提取出特征，并對特

2、征進行進一步的超額收益有效性檢驗與刻畫市場價格狀態(tài)能力的篩選，然后構(gòu)造隨機森林模型對市場漲跌狀態(tài)進行預(yù)測，最后形成關(guān)于鐵礦石期貨的量化交易策略。
　　本文首先介紹了量化投資、機器學(xué)習(xí)模型等領(lǐng)域的發(fā)展歷程，簡述了與實證部分相關(guān)的理論知識基礎(chǔ)。之后用鐵礦石的主力連續(xù)合約日線級別數(shù)據(jù)進行了實證研究。實證研究的第一步是構(gòu)建特征，這些特征的來源是鐵礦石日線級別的量價信息，接著使用非參數(shù)的bootstrap方法檢驗了每個特征對應(yīng)的超額收益有效

3、性。然后，利用上一步篩選的結(jié)果，使用非監(jiān)督的隱馬爾科夫模型檢驗?zāi)男┨卣骺梢暂^好地刻畫市場的狀態(tài)。隨后，使用如上步驟篩選出的指標(biāo)構(gòu)造模型對樣本外數(shù)據(jù)進行預(yù)測。最后，根據(jù)預(yù)測的結(jié)果形成最終的鐵礦石量化投資策略。
　　本文的實證研究結(jié)果表明，本文所構(gòu)造的隨機森林模型在較短的時間尺度上可以達到較為良好的準(zhǔn)確率，從量化策略的績效角度講可以獲得更高的收益與更低的最大回撤。這說明了有效地使用機器學(xué)習(xí)方法與量化策略相結(jié)合可以產(chǎn)生穩(wěn)定的超額收益。本