在前一篇“期货学习量化学习策略——随机森林模型”一文中(链接:https://mp.weixin.qq.com/s/IhcVZ9D-3cmB1GaAFinboQ),我们尝试了长周期、多品种期货数据的学习,结果表明随机森林模型的预测效果还不错,标签的预测准确率均达到0.9以上。本文介绍了短周期、单期货品种的随机森林预测模型。 随机森林随机模型的框架沿用上一篇文章的设定,唯一区别在于模型参数的调整。这里我们测试郑油期货,测试区间设定为2020年6月20日至2020年7月20日30分钟行情,以回测时点前900个30分钟K线数据作为训练数据,预测下一时间点的交易信号。预测交易信号为真,则开多仓,开仓时间为每30分钟前5分钟;预测交易信号为假,则平仓,等待下一个Bar的预测信号。回测结果如下:
随机森林模型可进一步完善,一是模型标签的设定较为苛刻,交易信号出现频率较低,容易导致错过了一些交易时机;二是特征的选择、过滤模块需要进一步完善,减少噪声干扰;三是考虑到系统性风险,可考虑通过搭建期货多品