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.
关键词:量化投资 机器学习 技术分析
单位:武汉大学经济与管理学院金融系; 武汉430072; 康奈尔大学运筹与信息工程学院; 伊萨卡14850
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
Journal of Systems Science and Complexity China World Economy Journal of Systems Science and Systems Engineering Cellular Molecular Immunology International Journal of Computing Chinese Journal of Oceanology and Limnology International Journal of Automation Computing International Journal of Automation Computing Journal of Computer Science and Technology Communications in Theoretical Physics