1、量化分析基础

1、1 量化分析(量化投资)

利用计算机技术采用一定的数学模型(或者是机器学习模型)去实践投资理念，投资策略的过程。

随着计算机科技的发展，将已有的价值投资/趋势投资和计算机技术相融合，产生量化投资(量化分析)。

优势

(1)纪律性：严格执行投资策略，客户投资情绪的变化，认知偏差等。

(2)系统性：多层次、多角度观察海量数据，拓展更大的投资机会(根据多个特征值来进行相应的筛选相应的数据)。

(3)及时性：快速地跟踪市场的变化，寻找新的交易机会。(看股票的涨跌开多台电脑来进行观察)

(4)准确性：准确客观的评价交易机会，客户情绪偏差等。

(5)分散化：充当分散化投资的工具。挖掘历史规律，依靠筛选出股票组合来进行取得结果，而不是单个股票。

劣势

需要一定的技巧，包括编程能力、数学功底和金融知识等。

1、2 策略

指预先设定的事件或信号发生时，采取相应的交易动作。

1、3 量化策略

使用计算机作为工具，通过一套固定的逻辑来分析判断和决策。

即可以自动执行，也可以人工执行。

组成成分

1、4 机器学习和量化分析/交易

注意：

当用买卖档盘口建模(第一个)时，采用多个因子来进行选数据(多个特征值)，还有可以通过买和卖的比例来进行相应的建模操作。

1、5 策略生命周期

回测验证对时间点的选取非常严格

2、量化策略建模流程即回测

2、1 量化策略建模步骤

建立训练集(用来进行跑模型用的)

(1)X：t时刻前的特征/因子

1.价格、价格衍生指标等

2.文本特征

(2)y：t时刻之前对应的标签

1、价格(如果是价格做标签的话，用回归模型来进行相应操作，价格是个连续值)

2、买卖交易(是一个离散值，可以用LR等分类器来进行)

建立验证集(可以有可以无)，当选择的模型有超参数的时候，主要是用来调整超参数的。

建立测试集

(1)t时刻之后的特征/因子

建模

利用机器学习模型进行建模

# -*- coding: utf-8 -*-

"""

项目名称： 量化分析 -- 预测涨跌

"""

"""

项目名称： 量化分析 -- 预测涨跌

"""

from __future__ import print_function

import datetime

import numpy as np

import pandas as pd

import tushare as ts

from sklearn.ensemble import RandomForestClassifier

from sklearn.linear_model import LogisticRegression

from sklearn.metrics import confusion_matrix

from sklearn.svm import SVC

def create_lagged_series(symbol, start_date_str, end_date_str, lags=5):

"""

根据start_data, end_date创建symbol的收盘价的滞后序列

默认滞后期(时间窗口)为5天,symbol是股票代码

"""

date_str_fmt = '%Y-%m-%d'

start_date = datetime.datetime.strptime(start_date_str, date_str_fmt)

one_yr_before_start = start_date - datetime.timedelta(days=365)

one_yr_before_start_str = one_yr_before_start.strftime(date_str_fmt)

# 从TuShare获取数据

hist_data = ts.get_k_data(symbol, one_yr_before_start_str, end_date_str)

hist_data['date'] = pd.to_datetime(hist_data['date'])

hist_data.set_index('date', inplace=True)

# 创建存储滞后序列的DataFrame

hist_lag = pd.DataFrame(index=hist_data.index)

hist_lag['today'] = hist_data['close']#close为收盘价，某个股票的指数价格

hist_lag['volume'] = hist_data['volume']#volume为成交量

# 创建一个滞后序列

for i in range(0, lags):

hist_lag['lag{}'.format(str(i + 1))] = hist_data['close'].shift(i + 1)

# 创建收益率DataFrame

ret_df = pd.DataFrame(index=hist_lag.index)

ret_df['volume'] = hist_lag['volume']

ret_df['today'] = hist_lag['today'].pct_change() * 100.0#pct_change()函数主要是算出变化率(用今天的数据减去昨天的数据，再除以昨天的数据量)

# 如果绝对值小于0.0001，将其设置成0.0001

ret_df['today'] = ret_df['today'].apply(lambda x: 0.0001 if abs(x) < 0.0001 else x)

print(ret_df.head())

# 为收益率DataFrame创建对应的滞后序列

for i in range(0, lags):

ret_df['lag{}'.format(str(i + 1))] = \

hist_lag['lag{}'.format(str(i + 1))].pct_change() * 100.0

# 创建label列，用1, -1 标识涨/跌

ret_df['direction'] = np.sign(ret_df['today'])

ret_df = ret_df[ret_df.index >= start_date]

print(ret_df.head())

return ret_df

if __name__ == "__main__":

# 创建沪深300指数的滞后序列

lag_ret_df = create_lagged_series(

'hs300', '2010-01-01', '2015-12-31', lags=5

)

# 使用前两天的数据作为训练集

X = lag_ret_df[['lag1', 'lag2']]

y = lag_ret_df['direction']

# 测试数据分为两部分，2015-01-01之前和滞后

start_test = datetime.datetime(2015, 1, 1)

# 分割训练集和测试集

X_train = X[X.index < start_test]

X_test = X[X.index >= start_test]

y_train = y[y.index < start_test]

y_test = y[y.index >= start_test]

# 候选模型

print('准确率与混淆矩阵\n')

# 课后作业：请使用交叉验证的方式选择最优超参数以提高性能

models = [('逻辑回归', LogisticRegression()),

('支持向量机', SVC(C=1000000.0, cache_size=200, class_weight=None,

coef0=0.0, degree=3, gamma=0.0001, kernel='rbf',

max_iter=-1, probability=False, random_state=None,

shrinking=True, tol=0.001, verbose=False)),

('随机森林', RandomForestClassifier(n_estimators=1000, criterion='gini',

max_depth=None, min_samples_split=2,

min_samples_leaf=1, max_features='auto',

bootstrap=True, oob_score=False, n_jobs=1,

random_state=None, verbose=0))]

# 遍历所有模型

for model in models:

# 模型训练

model[1].fit(X_train, y_train)

# 预测

pred = model[1].predict(X_test)

print(pred)

# 输出准确率和混淆矩阵

print('{}:{:.2f}'.format(model[0], model[1].score(X_test, y_test)))

print('{}\n'.format(confusion_matrix(pred, y_test, labels=[-1, 1])))#混淆矩阵的行代表预测值(1和-1)，列代表真实值(1和-1)，列数据的和分别是1和-1的总数据值

2、2 常用的特征(要代码撩我)

2、3 回测

注意：回测是为了保证数据的正确性。