楊亞東

【摘要】股票市場屬于非線性系統(tǒng)，復雜性高而信噪比低。目前，多個領域中已經(jīng)證實，機器學習是一種能夠針對模糊非線性數(shù)據(jù)建模的工具，所以機器學習具有天然的應用到量化投資領域的優(yōu)勢。從本質上看，選股是排序問題，投資者希望在眾多的股票中選擇出具有更好未來表現(xiàn)的股票?；诖耍疚姆治隽死脵C器學習量化選股的方法。

【關鍵詞】機器學習 量化投資 選股

相對于國外來說，我國屬于剛剛開始發(fā)展量化投資，存在的不足之處仍比較多，但從實際情況看，A股市場具有較短的發(fā)展歷程，與已經(jīng)發(fā)展的比較成熟的海外市場相比，市場有效程度比較弱，錯誤定價的股票數(shù)量比較多，普遍存在非理性人投資行為，也正是因為此種不成熟特征的存在，為我國量化投資的發(fā)展提供了巨大的空間。因此，在現(xiàn)階段A股市場中，更適合的量化投資方式為公正、理性、客觀的。由此看來，本文研究量化選股的方法具有十分重要的現(xiàn)實意義。

一、短線選股策略

本節(jié)構建樣本集時，特征選擇為20個交易日內(nèi)個股的收盤價走勢，訓練樣本方法采用兩種，分別為機器學習算法GBDT、GBRank，模式識別有機器學習自動進行。

（一）數(shù)據(jù)準備

需準備的數(shù)據(jù)包含2部分，一部分為樣本內(nèi)數(shù)據(jù)，屬于訓l練集，另一部分為樣本外數(shù)據(jù)，屬于測試集。本文數(shù)據(jù)均來源于Wind資訊，時間段為2006年1月1日2016年11月30日，均為A股收盤價。之后分割該時問段的數(shù)據(jù)，使其變?yōu)椴淮嬖诮患膬刹糠郑柧殬颖臼褂?006年1月1日2012年11月5日數(shù)據(jù)，測試樣本使用剩余時間段的數(shù)據(jù)。訓l練樣本和測試樣本生產(chǎn)時，如果股票上市后的交易日未滿21個，做剔除處理，最后，生產(chǎn)約240萬訓練樣本。

（二）提取特征

構建策略時，關鍵性的一步為特征提取，因本章短線選股策略是在模式識別基礎上進行的，因此，關注K線形態(tài)特，征過程中僅選擇20個交易日的。首先，通過指數(shù)移動平均線，過濾到收盤價的噪聲，隨后進行價格走勢形態(tài)特征向量的描述，描述序列為收益率序列，最后，完成特征提取。

（三）模型訓練

排序模型訓練時，利用兩種算法進行。第一種為GBDT，訓練中，股票問相對順序不做考慮，僅擬合其絕對得分，訓練樣本構建過程中，3個交易日后，若樣本漲幅≥1%，則得分=1，否則樣本得分=O，根據(jù)此種方式，訓練樣本集即可獲得，接著以訓練樣本集作為GBDT的輸入樣本集，訓練排序模型，此過程中，由于GBDT存在較多的參數(shù)，如果調(diào)參采用交叉驗證方式，將會耗費大量的時間，因此，本文按照知識和經(jīng)驗，調(diào)優(yōu)逐步的進行，完整訓練后，排出函數(shù)h輸出，通過h，即可開展打分操作，依據(jù)分數(shù)由高到低，排序未來3天內(nèi)漲幅會超過1%的股票，供投資者選擇。第二種為GBRank，這是一種pairwise方法，僅對同一時段內(nèi)股票的相對漲跌幅做出考慮，保證訓練樣本不會受到系統(tǒng)性風險的影響，訓練樣本集獲取后，輸入到GBRank中，訓練排序模型，參數(shù)直接選擇相同于GBDT的，最終，排除函數(shù)h獲得，排序未來3天內(nèi)股票的表現(xiàn)。

二、長線選股策略

因短線選股策略僅能排序3天以內(nèi)的，時間較短，本節(jié)提出的長線選股策略可排序未來20個交易日內(nèi)的股票。

（一）數(shù)據(jù)準備

本節(jié)中，數(shù)據(jù)來源、選取時間段、劃分訓練樣本和測試樣本的方法均相同于1.1，不過，訓練樣本和測試樣本生成時，要將股票上市時間不足3個月的剔除，以能與44維的要求相符合。最后，生成約160萬的訓練樣本。

（二）特征提取

因要構建長線選股策略，因此要對個股在過去20個交易內(nèi)、2個月交易日內(nèi)、3個月交易日內(nèi)的動量因子做出關注。首先。動量、反轉效應特征向量描述時，采用的序列為個股動量因子序列，z-score標準化處理每一維度的特征向量；其次，以元素所處維度為依據(jù)，將每個元素的分位數(shù)計算出來；最后，組合上述兩步處理后的特征向量，使特征向量達到44維，此種特征向量能夠輸入到機器學習中。

（三）模型訓練

模型訓練時，同樣采用1.3中的兩種方法。利用GBDT訓練過程中，訓練方式采用pointwise，無需對股票問相對順序做出考慮，僅需擬合其絕對分數(shù)，20個交易日后，與股票漲幅均值相比，樣本股價漲幅更大時，得分=1，樣本股價漲幅更小時，得分=O，此處劃分樣本參照的標準為漲幅均指，以能保證排序的客觀性、準確性，隨后，獲得訓練樣本集，并輸入到GBDT中，訓練排序模型，由于本節(jié)特征向量維度要顯著高于1.3節(jié)的，因此設置參數(shù)時會不同于1.3，要增加回歸樹最大深度、并增加葉子結點數(shù)上限，完成訓練后，排序函數(shù)h獲得，通過h，即可完成未來20個交易日內(nèi)的股票排序工作。利用GBRank訓練過程中，訓練方法相同于1.3此種方法，獲得訓練樣本集后，輸入到GBRank中，接著訓練排序模型，設定的參數(shù)完全相同于本節(jié)的GBDT方法，最終，排序函數(shù)h獲得，完成排序。

三、結論

機器學習基礎上，本文構建了短線和長線量化選股策略，能夠排序未來3個交易日及未來20個交易日內(nèi)的股票，利于投資者實現(xiàn)量化選股，從而提高投資者投資的理性程度，促進我國A股市場的良好發(fā)展。不過，本文構建選股策略后，并未進行實際的實驗，因而還需要進一步的開展驗證研究。

參考文獻：

[1]馮楠，陳有為.基于量化趨勢跟蹤的計算機自動化選股模型的設計與實現(xiàn)[J].自動化與儀器儀表，2016，（08）.

[2]李姝錦，胡曉旭，王聰.淺析基于大數(shù)據(jù)的多因子量化選股策略[J].經(jīng)濟研究導刊，2016，（17）.