文档介绍：基于极值过滤思想的择时交易策略
杨程炜
摘要
首先,结合核回归、指数滑动平均模型,对价格序列进行去噪、光滑化。然后,通过对极值建立过滤规则,筛选出一系列具有“代表性”的极值,极值序列有两方面的信息具有重要意义:
第一,能够很好地反映价格序列过去的走势;
第二,最后一个极值有可能成为趋势扭转的信号。因此,适当添加限制条件,使得尽可能在趋势扭转时进行开仓。
本文基于第二点,通过构造标准差区间确定买卖信号,在三年多的股指期货的分钟数据回测中,收益达到133万,。
最后,本文最大的成功之处在于提出了一种创新的方法描述过去的价格走势,能够将过去的价格走势极大程度地提取到一个低维的向量中,因此能够有效地为机器学****模型提供“前处理”工作,模型发展潜力较大。
承诺书
我们已阅读2015广东高校金融建模邀请赛竞赛章程。
我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。
我们知道,抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。如有违反竞赛规则的行为,我们将受到严肃处理。
我们大赛网站公布论文,以供网友之间学****交流,大赛网站以非商业目的的论文交流不需要提前取得我们的同意。
我们的参赛队名为:水滴的梦想
参赛队员(签名) :杨程炜
参赛选题组别:【普通组】■
【高频组】□
基于极值过滤思想的择时交易策略
一建模目的与问题分析
本文希望从历史价格走势中提取有用信息,预测价格未来走势,建立能够获得超额收益的择时交易策略,即“趋势模型”。
首先面临的第一个问题:如何描述历史的价格走势信息。
如果直接采用过去的价格信息,不仅面临噪声数据的干扰,而且维度过高,每个变量的信息量过少。因此第一步需要对价格序列进行去噪和光滑化;第二步需要提取数据,用一些特征信息反映过去一段时间价格走势的反映。即用低维的数据反映高维数据的大部分信息。
针对问题一,有如下的想法:如果在价格序列中选定一系列具有“代表性”的极值,按照它们的时间间隔与先后顺序排列,连接起来,就可以反映价格序列大致的走势,因此可认为这一系列具有“代表性”极值序列蕴含了价格走势的大量信息。
面临的第二个问题:如何利用提取后的信息
假设我们已经筛选得到一系列具有“代表性”的极值,那么如何利用这些信息呢?如果这些极值的相对大小、出现间隔具有一定的模式,可以采用机器学****模型进行挖掘;另一方面,极值是趋势扭转的必要条件,当前产生的极值具有代表性意义,因此也可以只利用当前的少数极值,建立交易模型。
二模型思路
首先,通过核回归、指数滑动平均等模型,对价格序列进行去噪、光滑化。
再者,价格序列总是在“波动中上升”、“波动中下降”,因此,在一个大趋势中可能有多个极值,因此,即使这些极值并不是由噪声交易产生,但仍不是本轮趋势的终点,是“不具有代表性”的,因此,需要对这些极值进行过滤。
最后,利用过滤后的极值的信息,建立择时交易策略。
三模型建立
价格序列的去噪与光滑
由于交易噪声、市场扰动等原因,会产生噪声,导致价格序列频繁产生极值,不利于对极值的分析,因此对股价序列进行去噪是重要且必要的。我们采用核回归与指数平滑结合的方法去噪。
核回归由于使用到数据中心点两侧的信息,因此其效果往往较好,但在做回测的过程中,近期数据不能使用右侧的数据进行核回归,否则就会使用未来信息。
因此,对核回归进行了改良:当核回归中心点的右侧尚未使用到未来信息时,使用核回归对股价进行去噪,随着核回归的中心点的移动,当中心点右侧已经超过当前时刻,以最后一次核回归的预测结果作为基准,使用指数平滑。
核回归(Kernel Regression)
①核函数使用高斯核:
为回归中心点
为以中心时间窗口内的数据点
为时间窗口
为核宽度
②核回归结果:
指数平滑
为t时刻指数平滑的结果
为指数平滑的时间参数
极值过滤
极值过滤的目的是在不使用未来信息的前提下,选取一系列具有“代表性”的极值,通过这些极值点,反映价格的走势。
但是,即使是光滑化后的序列,除了仍存在一些噪声产生的极值,而且还存在“震荡期”,在“震荡期”会产生许多极值点,但价格的总体趋势并不向下或向下,因此,并不是“所有光滑化序列中的极值点都具有代表性”。因此,需要对产生的极值进行过滤。
极值的过滤规则:
过滤的规则则有两条:
如果当前的极值点