自適應算法在程序化研究中簡單應用

2021-01-10 和訊期貨

  摘要:本文首先分析了一般程序化開發流程,指出目前市場中大多數模型都是基於指標組合,會不可避免的出現同質化現象,然後筆者提出了引入數學物理中模型改進程序化模型,研究了將自適應算法應用於區間突破模型,並給出了算法性能效果和績效曲線,研究算法的參數敏感性,整體上模型具有不錯的效果,在研究過程中同時可以發現數學之美。

  

  近年來,程序化交易發展愈來愈火爆,傳統的程序化研究一直致力於各種指標的組合,如將MACD和布林指標結合起來,在各種期貨合約品種上應用,尋求最佳的共振效果;另外還有投資者利用自己對交易長期的熟悉和了解,建立個人自定義的指標;然而隨著市場越來越多地程序化研究越來越深入,程序化交易方法基本是從市場K線價格和成交量持倉量信息出發,通過數學計算,構建程序化交易模型,這也是造成模型同質化的根本原因,因為大家建模的出發點過於一致。目前市場對於程序化研究主要從宏觀和微觀兩個方面深入,宏觀方面,投資者可以基於更多的市場信息開發新型的交易模型,主要有以下幾種模式:

  第一,基本面數據建模。可以從CPI、PPI、貨幣發行量等宏觀經濟指標出發,建立擇時交易系統,這種方法為多為機構應用。對於期貨市場,每個品種都有供需方面的統計數據,投資者可以結合對這些數據的理解,使用數學方法分析數據,形成多空判斷;

  第二,利用數據挖掘技術分析新聞事件,在深入分析可能造成市場異常波動的事件基礎上,把握交易時機,獲得超額投資回報;

  第三,基於現貨市場的走勢,比如,對於建立在滬深300指數上的股指期貨,可以利用指標股的走勢建模,選擇對指數影響大的權重股,構建領先指標進行交易。

  微觀方面,筆者認為,可以講傳統的指標組合方法進行升華,引入在物理數學中成熟的數學模型,改進傳統的程序化交易模型,如運用數值計算中的蟻群算法和模擬退火算法等,本文介紹的是自適應算法。

  自適應(self-adaptive)方法, 是指處理和分析過程中,根據處理數據的數據特徵自動調整處理方法、處理順序、處理參數、邊界條件或約束條件,使其與所處理數據的統計分布特徵、結構特徵相適應,以取得最佳的處理效果。

  自適應的概念來源於工業自動化控制領域,是指在運行環境發生改變情況下,適當地改變原系統的結構或參數以保持系統的良好運行特徵。自適應系統由於具有自動學習和自動調整的功能,往往比固定的系統要更靈活。在股票和期貨交易中,雖然價格長期波動是有序的,但是局部的波動往往由於市場的投機性顯得比較隨機無序,因此如果可以自適應地適應大部分行情,跟隨市場的波動,那麼應該會有不錯的效果。

  目前市場上比較流行的一種方法是區間突破系統,然而這種系統面臨的問題表現在兩個方面:1.在市場波動比較小時,會造成多次無效信號;2.行情波動非常大時,造成大幅盈利回吐,基於這一現狀,筆者考慮引入自適應算法,改善傳統區間突破系統。

  基於自適應算法的區間突破統主要過程如下:

  1. 首先確定基準價格,以該品種上市第一天開盤價作為基準價S;

  2. 從最近的行情統計波動率,確定真實波動率TR;

  3. 確定突破區間為 ,區間上下幅度設置最小值限制;

  4. 突破上區間做多,突破下區間做空;

  5. 進場後基準價與每根K線開盤價比較,在做多時,S會不斷變大,做空時,S會不斷變小;

  6. 區間波動幅度也與最近波動率相關,窄幅震蕩時,區間波幅會相應放大,寬幅震蕩時,區間波幅會相應縮小。

  從算法流程中可以看出,自適應主要應用於兩個方面:基準價並非一成不變的,而是跟隨開盤價呈現有效變化;區間波動幅度會自適應修正。

  在交易開拓者中實現自適應區間突破系統系統,測試螺紋鋼指數期貨30分鐘合約,測試時間為:2009.03.27—2015.07.26,手續費設為每手5元,主要效果如圖1和圖2所示:



  從測試效果來看,將自適應算法應用與改進原來的區間突破系統後,策略效果表現良好,總體績效曲線呈現穩步向上的走勢,從具體交易信號來看,每次進出場信號比較及時,能抓住幾乎每一波大趨勢,同時也過濾了市場中的噪音信號,總體交易次數比較少,具體策略指標如圖3所示。


  從策略指標來看,盈利能力不錯,總體盈利額達到八萬多,交易次數適中,三百多次,因為採用的周期是30分鐘,總體來說交易不算頻繁,算法勝率不錯,有50%的勝率,相當於每兩次交易至少有一次是正確的信號,每手利潤有256,因此即使在交易時出現滑點,仍然有不錯的盈利效果。

  模型中有兩個參數X和Y,分析兩個參數對於系統性能影響,如圖4和圖5所示。


  從圖4和圖5中可以發現,參數在一定取值範圍內均有較好的表現,必然是其吻合了品種價格波動的某些特性,因此筆者可以大膽認為在該取值範圍內的參數可以使得模型優異的表現在未來具有可複製性,同時亦可以說明策略性能無過度擬合效果。

  從本文的實例看出,自適應算法可以應用於改進傳統的區間突破模型,自適應方法主要是統計最近行情波動,不同行情下獲取不同波動值,同時系統區間中值隨著行情波動而波動,且只向有利方向波動,這樣可以實現儘快止盈和止損效果,讓整體利潤和風險相應減少。

  程序化交易在中國起步較晚但是發展迅猛,尤其是過去兩年,程序化交易在國內期貨市場發展的速度,超乎了很多人的意料。而傳統的程序化系統使用者越來越多,市場中策略不可避免會出現同質化現象,造成策略失效。在這種情況下,筆者認為通過引入數學物理中經典算法改進原有交易系統,可以在一定程度上達到更好的效果,而在其中過程中,我們也可以體會到數學之美。

  【免責聲明】本文僅代表作者本人觀點,與本網站無關。本網站對文中陳述、觀點判斷保持中立,不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考,並請自行承擔全部責任。

(責任編輯:王雪冰 HF074)

相關焦點

  • 蒙特卡洛算法在程序化研究中簡單應用
    近年來,程序化交易發展愈來愈火爆,傳統的程序化研究一直致力於各種成熟指標的組合,如將MACD和均線指標結合起來,在各種期貨合約品種上應用,尋求最佳的歷史回測效果;另外還有投資者利用自己對盤面的獨特了解,建立個人自定義的指標;然而隨著市場越來越多地程序化研究越來越深入,程序化交易方法基本是從市場價格和成交持倉信息出發,通過數學計算,構建交易模型,這也是造成模型同質化的根本原因
  • 【精彩論文推薦】貴州大學 張達敏 等:基於瘋狂自適應的樽海鞘群算法
    元啟發式算法是指受到現實環境的啟發提出的一類算法,其核心思想是實現搜索過程中隨機性行為和局部搜索的平衡。在過去的幾十年中,研究人員提出各種啟發式優化算法,模擬一些生物行為或物理現象。在SSA中,樽海鞘鏈由兩種類型的樽海鞘組成:領導者和追隨者。領導者是位於樽海鞘鏈的最前面,而其它個體則為追隨者的角色。樽海鞘群算法具有結構簡單、參數少、容易實現等優點。受到國內外專家學者廣泛關注,已被成功應用到多目標優化和工程設計問題。雖然樽海鞘群算法在求解大部分優化問題具有優越性,但是,與其它群智能算法一樣,其仍然存在求解精度低和收斂速度慢等缺陷。
  • 模擬退火遺傳算法在多用戶檢測技術中的應用
    本文研究模擬退火遺傳算法在MC-CDMA系統多用戶檢測技術中的應用,利用其求解NP(Non-determiNIstic Polynomial)完備問題。1 模擬退火遺傳算法1.1 遺傳算法遺傳算法(GA)是基於生物自然選擇和遺傳學原理的一種自適應啟發式、概率性迭代式的全局搜索算法,其主要借用了生物進化中「適者生存」和「優勝劣汰」的規律。
  • 認知無線電的應用有哪些_人工智慧技術在認知無線電中的應用詳解
    由於UWB系統與傳統窄帶系統之間存在著不可避免的幹擾,將CR技術與UWB技術相結合以解決幹擾問題,已成為近幾年研究的熱點,尤其是對UWB系統中基於CR的合作共存算法的研究較多。一個有效的方法是考慮將CR機制嵌入到UWB系統中。
  • 遺傳算法的實際應用
    通過將遺傳算法組合在一起,可以挑選出架構設計的弱點和可能的出現的故障,從而可以在實際生產中避免這些問題。機器人技術仿生手臂仿生學是來自於自然風格設計技術的發展。通過遺傳學我們可以開發出符合自然設計的應用程式,通過這些應用程式,我們還可以用來創建全新的,令人興奮的應用程式。線路規劃
  • 10個梯度下降優化算法+備忘單
    在這篇文章中,我會總結應用在目前較為流行深度學習框架中的常見梯度下降算法(如TensorFlow, Keras, PyTorch, Caffe)。本文之目的是為了方便理解和掌握這些內容,因為除此之外總結並不多,而且它可以作為你從零基礎入門的「小抄」。
  • 基於改進人工勢場法的無人機在線航路規划算法
    近年來,國內外許多學者針對動態環境中的飛行器航路規劃問題做了大量研究,並提出了多種可行的算法——動態規劃法、神經網絡法、啟發式A*搜索法、模擬退火法、遺傳算法、粒子群算法等。仿真結果表明,基於自適應人工勢場法的航路規劃方法滿足在線航路規劃的實時性和安全性要求,勢場局部最小值的處理切實可行。 1 人工勢場法的基本理論與應用 人工勢場法在機器人的路徑規划算法中已經有大量的應用,並常被用於解決三維路徑規劃問題。
  • 關聯規則的挖掘與應用——Apriori和CBA算法
    文|光大科技大數據部 魏樂 盧格潤1 關聯規則1.1 關聯規則基本概念1.2 Apriori算法基本思路2 關聯分類2.1 CBA關聯分類算法思路2.2 CBA算法實現總結關聯規則(Association Rules)由Agrawal等人在1993年的文獻中提及,並逐漸流行起來,主要用於發掘大量數據中項的相關關係。
  • 經典算法—模擬退火算法
    以目前已成熟的數值計算理論和算法,或者根本無法求解,或者其求解的計算量是爆炸的,其花費的代價將是人們所不接受的。模擬退火算法(Simulated Annealing,簡稱SA)為求解上述傳統方法難處理的問題提供了一個有效的途徑和通用框架,並逐漸發展成一種迭代自適應啟發式概率性搜索算法,用以求解不同的非線性問題。
  • 發力量子計算軟體、算法和應用,阿里AQL聯合學界尋找「量子貓」
    「量子計算的成功不僅需要量子處理器,還有其他軟體、算法、應用三個關鍵部分。阿里巴巴要重點發展量子計算軟體、算法、應用這三個方面,同時和實驗團隊合作開發處理器。」施堯耘與機器之心強調。施堯耘似乎更明白,阿里巴巴在 IT 基礎設施和算法工程上擁有的多年開發經驗及龐大的網際網路業務應用場景對開展量子計算軟體和應用業務研究具備先天優勢。
  • Pixel 手機的自適應充電只有在設置特定時間的鬧鐘
    為了減緩電池老化的速度,從而進一步延長其壽命,Google 在最近幾款Pixel 手機(Pixel 5、5G 版4a、4a、4、4 XL)上引入了自適應充電的功能。簡單來說,它在判斷手機會長時間插入充電器後便會自動放慢充電的速度,比如睡覺時整夜插著電這樣的場景,有自適應充電的話日積月累後電池的生命周期理論上會變得更長。照理來說,這應該是一項頗為實用的改進。不過日前9to5Google卻在Google的支持頁面上發現,自適應充電原來是在一定的條件下才會被觸發。
  • Pedro Domingos深度解析機器學習五大流派中主算法精髓
    它是由美國的J.Holland教授1975年首先提出,其主要特點是直接對結構對象進行操作,不存在求導和函數連續性的限定;具有內在的隱並行性和更好的全局尋優能力;採用概率化的尋優方法,能自動獲取和指導優化的搜索空間,自適應地調整搜索方向,不需要確定的規則。遺傳算法的這些性質,已被人們廣泛地應用於組合優化、機器學習、信號處理、自適應控制和人工生命等領域。它是現代有關智能計算中的關鍵技術。
  • 期指蝶式套利的程序化交易實現
    二、股指期貨蝶式套利在國內市場的程序化交易實現  我們用程序化交易進行了模擬測試,已證明股指期貨蝶式套利在國內市場可以實現,以下是測試的具體實例。  1。  圖2 正向市場第一種策略收益圖  圖3 正向市場第二種策略收益圖  圖2和圖3中,顏色較淺區域為總資金,三條波動較大的曲線分別為三個合約的高頻數據,而部分呈階梯狀分布、顏色較深的曲線為浮動盈虧。  從兩個測試報告收益圖中可以看出,無論是第一種策略還是第二種策略,蝶式套利交易都有收益率高和資金回撤風險小兩個特點。
  • 基於模擬退火算法的地面電視頻率指配方法研究
    美國聯邦通信委員會(FCC)於1996年著手研究全境的地面數位電視覆蓋網頻率規劃問題,通過使用"模擬退火"算法和開發相應的規劃軟體,完成了美國的模數過渡方案。該算法的應用降低了美國模擬向數字過渡期間的轉換成本,提高了頻率資源的使用效率,並帶來了巨大的商業效益。  我國地面電視業務可用的頻道數量共有48個,指配給了數量眾多的模擬發射機,承擔著公共服務和各地節目的播出任務。
  • 改進遺傳算法的支持向量機特徵選擇解決方案
    遺傳算法作為一種魯棒性極強的智能識別方法,直接對尋優對象進行操作,不存在特定數學條件的限定,具有極好的全局尋優能力和並行性;而由於遺傳算法採用概率化的尋優方法,所以在自動搜索的過程中可以自主獲取與尋優有關的線索,並在加以學習之後可以自適應地調整搜索方向,不需要確定搜索的規則。因此遺傳算法被廣泛應用在知識發現、組合優化、機器學習、信號處理、自適應控制和人工生命等領域。
  • 靜電吸附技術在機器人學中的應用綜述
    英國最大的機器人實驗室 Jonathan Rosstier 團隊(SoftLab Bristol)在IEEE Transactions on Robotics發文,詳細報導了靜電吸附的工作原理、建模、設計、製造、表徵、及其在機器人領域應用等。
  • 模擬退火算法
    模擬退火算法作為一種通用的隨機搜索算法,現已廣泛用於VLSI設計、圖像識別和神經網計算機的研究。模擬退火算法的應用如下:1、模擬退火算法在VLSI設計中的應用利用模擬退火算法進行VLSI的最優設計,是目前模擬退火算法最成功的應用實例之一。用模擬退火算法幾乎可以很好地完成所有優化的VLSI設計工作。如全局布線、布板、布局和邏輯最小化等等。
  • 模擬退火算法詳解
    爬山算法爬山算法是一種簡單的貪心搜索算法,該算法每次從當前解的臨近解空間中選擇一個最優解作為當前解,直到達到一個局部最優解。當迭代次數增加到一定次數時,結果可能已經達到穩定,但是距離算法結束還有一段時間。在設計程序時應該加入適當的輸出條件,滿足輸出條件即可結束程序。4.模擬退火的應用模擬退火算法作為一種通用的隨機搜索算法,現已廣泛用於VLSI設計、圖像識別和神經網計算機的研究。
  • 計算機視覺在生物力學和運動康復中的應用和研究
    在運動生物力學和康復應用中,人體運動學的定量分析是一種功能強大的工具,生物力學工具已經從使用圖像的人工注釋發展為基於標記的光學跟蹤器,基於慣性傳感器的系統以及使用複雜的人體模型,計算機視覺和機器學習算法的無標記系統,已經取得了長足的發展。
  • DT證件照算法升級 開啟證件照不限背景拍攝時代
    原標題:DT證件照算法升級開啟證件照不限背景拍攝時代隨著科技的發展,人們的生活方式正在不斷革新。例如每個人一生中需要拍攝數十次各類證件照,而拍照的方式也在不斷在升級,從傳統的照相館到自助證照機,再到現在直接用手機就可以搞定,變得越來越便捷。