推薦閱讀:A Pairs Trading Strategy for GOOG/GOOGL Using Machine Learning
01-28
筆者最近正在整理文獻,在谷歌上發現了這篇文章,雖然我們並沒有查閱到這篇文章在哪本雜誌上發表,但是網上有很多免費版本可以閱覽。
A Pairs Trading Strategy for GOOG/GOOGL Using Machine Learning
推薦關鍵詞:機器學習、配對交易
推薦理由:
註:隨便配了一張配對圖,不用太在意。。。
傳統運用統計方法生成配對交易策略往往都是使用時序模型(無論時序模型有多複雜),時序模型的基本假設就是「自己只和過去的自己有關」,然而在證券交易過程中,證券價格或者其價差必然受到大量外部因素的影響,那麼如何將這些影響作為輸入變數呢?有的朋友也許會說,計量里還有「向量自回歸」呢。是的,這確實是一個解決方案,但是這個解決方案的前提是「線性假設」。也就是說,變數之間是線性關係(雖然也能處理特殊的非線性關係,但這會非常麻煩)。
這篇文章給了我們一個思路,是不是能夠通過預測未來價差的趨勢來輔助配對決策呢?機器學習天生最大的功能就是分類(比如「漲」,「跌」),如果能對未來的趨勢有正確的判斷,這也許將大大提升配對的效率。另一方面,機器學習天生就就能處理「高維度」和「非線性」(你可以把線性當做非線性的特殊形式,雖然這麼說不太嚴謹),這樣就能在考慮歷史價差的同時,大量考慮外部變數。當然這時候你唯一需要花時間的就是如何構造你的輸入變數。
推薦閱讀:
※如何界定趨勢中的回調已經完成?
※如何在Quantopian中實現中高頻交易策略?
※個人嘗試寫的一個「趨勢跟蹤交易」策略,望大神教教我!幫我看看策略合不合理?
※零基礎如何學習證券交易?