基于極值過濾思想的擇時交易策略

《基于極值過濾思想的擇時交易策略》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、基于極值過濾思想的擇時交易策略楊程煒2015.6.26摘要首先，結(jié)合核回歸、指數(shù)滑動平均模型，對價格序列進(jìn)行去噪、光滑化。然后，通過對極值建立過濾規(guī)則，篩選岀一系列具有“代表性”的極值，極值序列有兩方面的信息具有重要意義：第一，能夠很好地反映價格序列過去的走勢；第二，最后一個極值有可能成為趨勢扭轉(zhuǎn)的信號。因此，適當(dāng)添加限制條件,使得盡可能在趨勢扭轉(zhuǎn)時進(jìn)行開倉。本文基于第二點，通過構(gòu)造標(biāo)準(zhǔn)差區(qū)間確定買賣信號，在三年多的股指期貨的分鐘數(shù)據(jù)冋測中，收益達(dá)到133萬，收益風(fēng)險比接近2.3。最后，木文最大的成功之處在于提出了一種創(chuàng)新的方法描述過去的價格走

2、勢，能夠?qū)⑦^去的價格走勢極大程度地提取到一個低維的向量中，因此能夠有效地為機器學(xué)習(xí)模型提供“前處理”工作,模型發(fā)展?jié)摿^大。承諾書我們已閱讀2015廣東高校金融建模邀請賽競賽章程。我們完全明白，在競賽開始后參賽隊員不能以任何方式（包括電話、電子郵件、網(wǎng)上咨詢等）與隊外的任何人（包括指導(dǎo)教師）研究、討論與賽題有關(guān)的問題。我們知道，抄襲別人的成果是違反競賽規(guī)則的，如果引用別人的成果或其他公開的資料（包括網(wǎng)上查到的資料），必須按照規(guī)定的參考文獻(xiàn)的表述方式在正文引用處和參考文獻(xiàn)中明確列岀。我們鄭重承諾，嚴(yán)格遵守競賽規(guī)則，以保證競賽的公正、公平性。如有違

3、反競賽規(guī)則的行為，我們將受到嚴(yán)肅處理。我們大賽網(wǎng)站公布論文，以供網(wǎng)友之間學(xué)習(xí)交流，大賽網(wǎng)站以非商業(yè)目的的論文交流不需要提前取得我們的同意。我們的參賽隊名為：水滴的夢想?yún)①愱爢T（簽名）：楊程煒參賽選題組別：【普通組】■【高頻組】口基于極值過濾思想的擇時交易策略一建模目的與問題分析木文希望從歷史價格走勢中提取有用信息，預(yù)測價格未來走勢，建立能夠獲得超額收益的擇時交易策略，即“趨勢模型”。首先面臨的第一個問題：如何描述歷史的價格走勢信息。如果直接采用過去的價格信息，不僅面臨噪聲數(shù)據(jù)的干擾，而且維度過高,每個變量的信息量過少。因此第一步需要對價格序列進(jìn)

4、行去噪和光滑化；第二步需要提取數(shù)據(jù)，用一些特征信息反映過去一段時間價格走勢的反映。即用低維的數(shù)據(jù)反映高維數(shù)據(jù)的大部分信息。針對問題一，有如下的想法：如果在價格序列中選定一系列具有“代表性”的極值，按照它們的時間間隔與先后順序排列，連接起來，就可以反映價格序列大致的走勢，因此可認(rèn)為這一系列具有“代表性”極值序列蘊含了價格走勢的人量信息。面臨的第二個問題：如何利用提取后的信息假設(shè)我們己經(jīng)篩選得到一系列具有“代表性”的極值，那么如何利用這些信息呢？如果這些極值的相對大小、出現(xiàn)間隔具有一定的模式，可以采用機器學(xué)習(xí)模型進(jìn)行挖掘；另一方面，極值是趨勢扭轉(zhuǎn)的

5、必要條件，當(dāng)前產(chǎn)生的極值具有代表性意義，因此也可以只利用當(dāng)前的少數(shù)極值，建立交易模型。二模型思路首先，通過核冋歸、指數(shù)滑動平均等模型，對價格序列進(jìn)行去噪、光滑化。再者，價格序列總是在“波動中上升”、“波動中下降”，因此，在一個大趨勢中可能有多個極值，因此，即使這些極值并不是由噪聲交易產(chǎn)生，但仍不是本輪趨勢的終點，是“不具有代表性”的，因此，需要對這些極值進(jìn)行過濾。最后，利用過濾后的極值的信息，建立擇時交易策略。三模型建立3.1價格序列的去噪與光滑由于交易噪聲、市場擾動等原因，會產(chǎn)生噪聲，導(dǎo)致價格序列頻繁產(chǎn)生極值，不利于對極值的分析，因此對股價序

6、列進(jìn)行去噪是重要且必要的。我們采用核回歸與指數(shù)平滑結(jié)合的方法去噪。核回歸由于使用到數(shù)據(jù)中心點兩側(cè)的信息，因此其效果往往較好，但在做回測的過程屮，近期數(shù)據(jù)不能使用右側(cè)的數(shù)據(jù)進(jìn)行核回歸，否則就會使用未來信息。因此，對核回歸進(jìn)行了改良：當(dāng)核回歸中心點的右側(cè)尚未使用到未來信息時,使用核回歸對股價進(jìn)行去噪，隨著核回歸的中心點的移動，當(dāng)中心點右側(cè)已經(jīng)超過當(dāng)前時刻，以最后一次核回歸的預(yù)測結(jié)果作為基準(zhǔn)，使用指數(shù)平滑。3.1.1核回歸(KernelRegression)①核函數(shù)使用高斯核:（K無（尢,兀（））=exp/2a1兀0為冋歸中心點兀為以心屮心時間窗口內(nèi)

7、的數(shù)據(jù)點2為時間窗口d為核寬度②核回歸結(jié)果:N工心（勺,兀）?心）P（x°）=￡心（兀0,兀）/=13.1.2指數(shù)平滑n-19EMA為t時刻指數(shù)平滑的結(jié)果〃為指數(shù)平滑的時間參數(shù)3.2極值過濾極值過濾的目的是在不使用未來信息的前提下，選取一系列具有“代表性”的極值，通過這些極值點，反映價格的走勢。但是，即使是光滑化后的序列，除了仍存在一些噪聲產(chǎn)生的極值，而且還存在“震蕩期”，在“震蕩期”會產(chǎn)生許多極值點，但價格的總體趨勢并不向下或向下，因此，并不是“所有光滑化序列中的極值點都具有代表性”。因此，需要對產(chǎn)牛的極值進(jìn)行過濾。3.2.1極值的過濾規(guī)則：

8、過濾的規(guī)則則有兩條：（1）如果當(dāng)前的極值點與前兩個極值點反映的趨勢不一致，則它們相差的價格應(yīng)大于一定的“閾值”才能真正說明當(dāng)前價格趨勢已扭轉(zhuǎn)。（2）如