首先利用多模型组合对黄金比特币收盘价进行实时的短期预测,之后利用投资组合策略来确定每日货币的买入卖出持有比例。再是利用随机因素进行最优规划,确定该策略的最优性,最后进行灵敏度分析。最终确定策略为最优策略并且模型具有一定的鲁棒性。最后制定投资策略将原资产从 1000 美元增长到 5 年后的 155521.73 美元
(假设中我们是设定比特币和黄金是无限可细分的)
(假设忽略各种最高价最低价,只分析和预测最后的收盘价)
- 数据预处理:
- 有不能交易的日子,如何去除
不开盘的时候,是直接处理为0,在处理到协方差时(选择前后两点的均值)
数据预处理:
预留前4个月的观察
(首先是考虑了时间序列,但是很少的时间去预测后面很长的时间拟合不好,舍弃)
基于长短期记忆(LSTM)和随机森林的组合模型,根据已知的历史数据,预测第二天的买入情况和收盘价变化。
LSTM:预测黄金比特币的收盘价
适合分析长期走势的情况
但是存在明显的滞后形况,这种对我们买入卖出影响很大
随机森林:判断下一天的增减的形况和其对应概率
以前5天来预测
(具体处理流程之后补)
所以就是利用LSTM来预测下一天的各种资产的具体收盘价,期望收益率
利用随机森林来预测下一天的趋势及概率,后可以用之组合来分析,收益风险,资产标准差
所建立的组合预测模型仅局限于第二天的预测。
投资组合策略:
量化投资策略(New Quantitative investment Strategies),来确定当天黄金和比特币的买入、卖出和持有的具体比例
夏普比率,寻找利润最大,风险最小的资产组合配置方法(当黄金比特币都判断买入时判断两者分配比例M),其他则都根据上图表判断。而随机森林的阈值利用蒙特卡洛选出
最优规划:
加入随机因子对随机决策进行模拟,阈值上面给出一个随机波动,增长率以及概率上随机波动,以及概率的随机策略选择
灵敏度分析:
在一定范围内随机扰动预测增长率,随机选择配置策略组合,在一定程度上降低了最终值,但是在波动20%之类仍能保持一个最优值,具有鲁棒性
缺点:买入卖出只考虑后一天的情况(存在连续增长的情况)