ML-TEA:一套基于机器学习和技术分析的量化投资算法

被引：33

作者：

李斌 ^{[1
]}

林彦 ^{[1
]}

唐闻轩 ^{[2
]}

机构：

[1] 武汉大学经济与管理学院金融系

[2] 康奈尔大学运筹与信息工程学院

来源：

系统工程理论与实践 | 2017年 / 37卷 / 05期

基金：

教育部留学回国人员科研启动基金;

关键词：

量化投资; 机器学习; 技术分析;

D O I：

暂无

中图分类号：

F832.51 [];

学科分类号：

1201 ; 020204 ;

摘要：

量化投资尝试利用计算机算法来预测证券的价格和进行证券的交易,并从中获取超额收益,是系统工程在金融投资领域的重要应用.本文设计了一套基于机器学习和技术指标的量化投资算法ML-TEA(machine learning and technical analysis).该模型以技术指标作为输入变量,再分别通过不同的机器学习算法来预测股票数日之后的涨跌方向,并根据预测的方向来构建投资组合.实证结果显示:第一,三种模型的年化收益率都在25%以上,远超大盘指数的10.60%、买入持有策略的3%以及现有策略.从风险调节绩效(夏普比率、特雷纳比率和詹森绩效)来看,三种策略也都远超基准策略和现有策略.以夏普比率为例,三种策略均在1.50以上,而市场指数的夏普比率为0.38.第二,Ada-TEA和SVM-TEA都可以容忍远高于市场实际成本的交易成本.

引用

页码：1089 / 1100

页数：12

共 23 条

[1] 基于误差校正的灰色神经网络股票收益率预测 [J].