量化研究每周精選-20170822

導語：本周精選了5篇關於機器學習在量化投資領域的應用文章。隨著近年來人工智慧的發展，越來越多的人投入到研究的隊伍中。希望讀完這些報告的你能對其中的研究有自己的理解。BigQuant擁有海量的數據和主流開源AI框架，賦能每一位愛好機器學習/深度學習和量化交易的人。

• 《AI和機器學習對交易與投資領域的影響》

原文：《Impact Of Artificial Intelligence And Machine Learning on Trading And Investing》

關鍵詞：人工智慧、機器學習、交易

本文主要論述人工智慧與機器學習將在金融市場上取代交易員的地位，成為投資者的首選的市場趨勢。機器學習應用於交易領域將會提高市場有效性，降低波動性。利用機器學習制定量化AI策略，能夠排除研究員的主觀想法，未來將在期貨和外匯市場獲得更加確定的利潤。此外，作者重點談到，量化策略制定的重點在於提取特徵或因子而不是演算法模型本身，只有擁有穩健策略的的交易者才能不被市場淘汰。作者最後預測，傳統技術分析將逐漸過時，未來交易將是處理信息、實時開發和驗證模型。機器學習將改變交易市場狀況，取代投資顧問的位置，95%的交易員將被淘汰。

• 《神經網路演算法交易之超參優化》

原文：《Neural Networks for Algorithmic Trading》

關鍵詞：神經網路、超參優化

機器學習模型特別是深度學習神經網路模型需要設定許多超參，一般超參選擇主要有三種方法，Grid Search、 Random Search和Bayesian Search。 本文使用最後一種方法，重點介紹其實際操作與結果分析。本文基於比特幣歷史數據構建多層神經網路來進行不同超參設置結果的比較，尋找最優超參包括：神經元數量、激勵函數類型、學習速率、優化準則、時間窗口等，以預測比特幣價格在未來10分鐘內的變化。作者對比不同類型和不同超參設置的神經網路計算結果發現，設置最優超參的多層神經網路計算結果最為接近實際值。

• 《50行Python代碼預測股價》

原文：《Predicting Stock Prices in 50 lines of Python》

關鍵詞：機器學習、股價預測

雖然股價隨機變化且不可預測，但基於歷史數據，機器學習可以將股價預測轉換為一個數據預測問題。本文使用scikit-learn庫，構建三種預測模型的支持向量機回歸模型：線性，RBF和多項式，以預測蘋果（AAPL）股價。作者詳細介紹了代碼使用的Python包，獲取歷史數據的方式與處理方法，使用支持向量機做回歸分析並畫圖對比分析結果，最終發現RBF模型擬合結果最優。

• 《利用機器學習預測Airbnb民宿價格》

原文：《Using Machine Learning to Predict Value of Homes On Airbnb》

關鍵詞：機器學習、客戶終身價值

預測客戶終身價值將有助於Airbnb為民宿定價，Airbnb通過機器學習預測客戶終身價值並為此建立工作架構。機器學習工作流程包括特徵工程，模型訓練，模型選擇與驗證，模型生成。Airbnb開發名為「ML Automator」的工作架構，幫助缺少數據特徵工程經驗，但非常熟悉原型模型的數據科學家們建立模型。通過架構的搭建，Airbnb減少了模型開發的成本，降低使用的門檻並影響更多人使其願意使用機器學習。

• 《過擬合詳解：監督學習中不準確的「常識」》

原文：《 Understanding Overfitting an Inaccurate Meme in Supervised Learning》

關鍵詞：監督學習、模型驗證、過度訓練 、過度擬合

大家所熟知的常識中有些理論其實是不準確的，站不住腳的，本文圍繞過度擬合討論一些錯誤「常識」。傳統說法認為，交叉驗證可以杜絕過度擬合，或者對於實驗數據以外的數據，沒有泛化誤差就表明沒有過度擬合，這個說法是錯誤的。本文澄清了監督學習中的這一錯誤說法，指出在監督學習中，使用的模型需要滿足兩個條件：1.模型驗證：普適性，不能只適用於訓練集；2.模型選擇：模型應具有最小的複雜度，應遵循奧卡姆剃刀原理。作者以RMSD為判斷準則，選擇三次和五次多項式對同一數據集進行訓練。結果顯示，當訓練集數據超過某一最佳數值，分別為總數據集的40%和30%後，模型的擬合性能下降，RMSD值增大，這被稱為過度訓練。過度擬合的判斷需要比較兩個以上的模型，原則是相同擬合性能下，複雜度更高的模型被稱為「過度擬合」。選擇模型時，需要選擇性能相當，複雜度更小的模型。

---

《量化研究每周精選》每周一期，為大家提精選研報、前沿研究、熱門文章等優質內容。

查看所有 量化研究每周精選。歡迎投稿 (i@bigquant.com)。

• 加入 人工智慧量化投資交流群：

微信搜索bigq100，添加微信群管理員微信，附上姓名、所在機構、部門和職位，審核後管理員會邀請您入群。

• 關注 BigQuant 微信公眾號：

微信搜索 BigQuant， 獲取更多人工智慧、Machine Learning、量化投資相關文章。