『为金融数据打标签』「1. 三隔栏方法」

本文有 3816 字，22 图表截屏

建议阅读 20 分钟

休假中，硬着写一篇出来。

0

引言

本文是 AFML 系列的第四篇

1. 金融数据类型

2. 从 Tick 到 Bar

3. 特征抽样

4. 三隔栏方法

众所周知，在用有监督学习算法对未来的金融产品收益情况进行预测时，需要从训练集中拟合一个模型，而第一步需要对训练集里每个样本打标签，即为每个 X⁽ⁱ⁾ 标注一个 y⁽ⁱ⁾，其中 i = 1, 2, ..., n。

本帖介绍两种方法：

1. 固定时间区间方法（经典）

2. 三隔栏方法（实际）

本帖里用的数据来自〖数据结构之 Pandas (下)〗6.1 小节，公众号回复 data 可以下载。

下面我们用苹果（代号 AAPL）一年的股票数据举例。

1

固定时间区间方法

几乎所有机器学习文献都使用了固定时间区间（Fixed-time Horizon, FH）方法对金融数据打标签。

这种方法简单直观，判断规则十分简单。在固定时间内对于某个股票，如果其收益

• 高于阈值 c，那么被分为正例 (用 +1 表示)

• 低于阈值 -c，那么被分为负例 (用 -1 表示)

• 在 -c 和 c 之间，被分为第三类 (用 0 表示)

用公式对上述规则进行表述。