推薦閱讀：A Pairs Trading Strategy for GOOG/GOOGL Using Machine Learning

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：