lambda统计数量_MATLAB金融工具箱：07：统计套利的机器学习3：训练、调优和预测...

此示例使用贝叶斯优化来优化算法交易模型中的超参数，并由日末收益监督。

加载预处理的LOB数据集LOBVars.mat，来自NASDAQ证券INTC。

 load LOBVars

数据集包含每个订单的以下信息：到达时间t（从午夜开始的秒数），1级要价MOAsk，1级出价MOBid，中间价S和失衡指数I。

此示例包括几个支持函数，这些函数存储在中matlabroot/examples/finance/data/LOBSupportingFiles。要查看它们，请更改您的工作文件夹。

 cd(fullfile(matlabroot,'examples','finance','data','LOBSupportingFiles'));

交易策略

给定限价单（LOB）不平衡指数I的当前和先前状态rho，以及价格DS中最新观察到的方向，交易矩阵Q包含未来价格走势的概率。

查看支持函数 tradeOnQ.m，该函数根据Q中的交易模式实施一个简单的交易策略。

 function cash = tradeOnQ(Data,Q,n,N)
 ​
 % Reference: Machine Learning for Statistical Arbitrage
 %            Part II: Feature Engineering and Model Development
    
 % Data
 ​
 t = Data.t;
 MOBid = Data.MOBid;
 MOAsk = Data.MOAsk;
 ​
 % States
 ​
 [rho,DS] = getStates(Data,n,N);
 ​
 % Start of trading
 ​
 cash = 0;
 assets = 0;
 ​
 % Active trading
 ​
 T = length(t);
 ​
 for tt = 2:T-N  % Trading ticks
 ​
     % Get Q row, column indices of current state
     
     row = rho(tt-1)+n*(DS(tt-1)+1);
     downColumn = rho(tt);
     upColumn = rho(tt) + 2*n;
 ​
     % If predicting downward price move
     
     if Q(row,downColumn) > 0.5
 ​
         cash = cash + MOBid(tt); % Sell
         assets = assets - 1;
             
     % If predicting upward price move
 ​
     elseif Q(row,upColumn) > 0.5
 ​
         cash = cash - MOAsk(tt); % Buy
         assets = assets + 1; 
 ​
     end
 ​
 end
 ​
 % End of trading (liquidate position)
 ​
 if assets > 0
 ​
     cash = cash + assets*MOBid(T); % Sell off
 ​
 elseif assets < 0
 ​
     cash = cash + assets*MOAsk(T); % Buy back
 ​
 end

该算法使用来自Q的预测来做出每笔交易的决策。它说明了任何优化的机器学习算法的一般机制。

如果套利机会出现，该策略将试图通过在每个报价时使用单个股票的市场定单（最好的报价）从预期的价格变化中获利。该策略可以扩大到更大的交易量。使用从Q中获得的条件概率，该tradeOnQ函数采取以下操作之一：

• 如果向上远期价格变动的可能性大于0.5，则买入
• 如果向下远期价格变动的可能性大于0.5，则卖出

在交易日结束时，该功能会立即平仓（liquidates the position at the touch）。

该策略要求Data具有t报价时间和相应的市场订单买入价MOBid和卖出价MOAsk。在实时交易中，数据由交易所提供。本示例通过将历史样本分为训练（校准）和验证子样本来评估策略。验证子样本可充当实时交易数据的代表。该策略取决于其本身的交易矩阵Q，我们可以在做出许多超参数选择后进行估算。当优化策略时，输入n和N是要调整的超参数。

超参数

连续时间马尔可夫模型和所得的交易矩阵Q取决于四个超参数的值：

• lambda —用于计算失衡指数 I的加权参数
• dI— 平滑期间用于平均I的反向刻度数