在量化交易中的应用_机器学习在量化交易中的应用(1)

机器学习在很多领域都取得了很好的效果，比如大家熟悉的搜索、推荐以及NLP和图像等。但是在金融和投资领域却很少看见成功的例子。近期花了不少时间研究机器学习在量化交易中的应用，同时在阅读Advances in Financial Machine Learning 这本书，这个系列主要会实现书中的一些代码和自己的想法。

常见的金融数据有很多，比如基本面数据和市场的交易数据等等。对于技术分析或者ML方法来说，我们可能会更关注交易数据。一般来说交易数据可以分为tick数据和标准的Bar数据。tick数据是最基本的金融数据，Bar可以看作对tick数据的采样，比如1min/5min数据等等。采样意味着信息的丢失，比如在交易密集的时刻和交易不密集的时刻，等时间间隔采样就不太合适，我们需要更有效率的采样方式，这样我们的机器学习模型才会有更好的效果。

Time Bars

一般各个交易系统用的都是Time Bar，可以理解为对原始的数据做等时间间隔的采样，常用的技术指标就是基于这些信息计算的，比如

• 时间 timestamp
• 开盘价 Open
• 收盘价 Close
• 最高价 High
• 最低价 Low
• 交易量 Volume

虽然这些时间bar历史最为悠久， 但是如果直接运用在机器学习项目中，则会有很多问题。 第一个问题过采样/欠采样，因为市场的信息并不一定是等间隔的，拿股票数据来说，一般开盘和收盘的时候，信息量会更大一些。 第二个问题是统计层面的，基于等时间间隔采样的时间序列是自相关的，而机器学习模型一般假设样本符合是独立同分布。为了更好的分析金融时间序列，我们应该采用其他的采样方法。

Tick Bars、Volume Bars、Dollar Bars

Time bar是每间隔一段时间采样，Tick Bars则是每间隔一定的Tick数量采样，这样的好处就是每个采样点之间都有相同的tick数量。但是在国内的期货和股票市场，我们拿到的大多都是快照数据，tick bar按照相同的tick采样方式可以并不是十分有效。那么如果按照Volume和Dollar采样可能更加适合。如果用机器学习中的说法，那么利用dollar和volume的采样方法可以改善过采样和欠采样的情况。

任意选取一天的期货数据，这里采用的是螺纹钢在2018-05-11这一天的数据，我们可以看到基于dollar和volume的采样方法在11点多上涨的时候，保留了更多的信息，而依靠等时间间隔的采样方法可能欠采样了。

下图给出了更详细的分析，我们可以对比采用不同的方法在每一周采样的bar的数量，如果是基于等数量的tick采样，每周的采样点数基本是不变的。 如果基于等volume和等dollar的采样方法，则会有随着时间变化有不同的数量。

接下去我们探索一个重要的性质，比较不同采样比例下的自相关系数。下图是不同采样方法的自相关系数，横坐标是Lag，可以看到volume和dollar和tick相比，在Lag=1的情况下，volume和dollar自相关系数非常小，而tick bar的自相关系数非常大。那么我们认为dollar bar和volume bar是比tick bar有更好的统计性质。

总结

可以看到，通过上述的采样的方法，我们可以解决传统采样方法的过采样和欠采样问题，并且得到的时间序列有更小的自相关系数。