机器学习与量化交易实战
第一讲
主要知识
1.为什么要做算法交易
2.交易系统的开发与设计
3.时间序列分析
4.策略建模及其优化方法
重点5.策略评价与回测
6.风险管理
7.交易策略的实现
8.交易策略的执行
算法交易综述Algorithmic Trading Without Bullshit
何谓算法交易
Algorithmic Trading
利用自动化平台,执行预先设置的一系列规则完成交易行为。
算法交易:优势
1.历史数据评估
2.执行高效
3.无主观情绪输入
4.可度量评价
5.交易频率
算法交易:劣势
1.成本
2.技巧
算法交易流程大前提:基于某种平台:
1.提出假设
2.建立模型
3.回测验证
4.执行交易
交易策略的来源
1.市场微观结构研究(for HFT mostly)
2.基金结构套利(fund structure arbitrage)
3.机器学习/人工智能
机器学习流程
输入输出
机器学习流程
历史数据学习算法模型新的输入模型输出
一个例子
第二个例子
Key Problem
How to define the input features?
A little aside: 强化学习
A little aside: 自然语言处理
交易策略的评估
1.策略基本假设
2.Sharp Ratio
3.杠杆
4.频率
5.风险
6.W/L
7.模型复杂度
8.最大亏损(Maxium drawdown)
9.Benchmarking
回测
何谓回测?
将交易策略在历史数据中进行合理验证的过程。
科学的回测十分重要(大部分人死在回测上)
回测的意义
1.策略筛选
2.策略优化
3.策略验证
错误的回测方法
很多情况下,回测结果不错,实盘交易不尽如人意。造成的偏差原因主要有:
1.乐观主义偏差。
2.时间旅行。
1.程序Bug
2.Train/Val/Test set
3.幸存者误差
工具和语言Python
?Sklearn
?Pandas
?And more…