array(35) { ["id"]=> string(3) "925" ["type"]=> string(6) "course" ["title"]=> string(88) "机器学习与量化投资——基于LSTM模型的回测、模拟交易与真实下单" ["subtitle"]=> string(0) "" ["creator"]=> array(6) { ["id"]=> string(2) "71" ["nickname"]=> string(6) "admin2" ["title"]=> string(5) "admin" ["uuid"]=> string(40) "0594022bb8ab8bc17c0faad10ac9e108223f750e" ["destroyed"]=> string(1) "0" ["avatar"]=> array(3) { ["small"]=> string(73) "http://www.chinadatacase.com/files/user/2023/03-09/0913415c02ed921676.png" ["middle"]=> string(73) "http://www.chinadatacase.com/files/user/2023/03-09/0913415bfc8f030926.png" ["large"]=> string(73) "http://www.chinadatacase.com/files/user/2023/03-09/0913415bee27724865.png" } } ["showable"]=> string(1) "1" ["buyable"]=> string(1) "1" ["summary"]=> string(3461) "

　　作者: 邓鸣茂 ; 杨非池

　　关键词: 机器学习;量化交易;LSTM模型;模型回测;模拟交易;BigQuant人工智能量化平台;国泰安虚拟交易所

　　发表日期: 2019-09-17

　　出版社(学位授予单位): 上海对外经贸大学

　　LSTM(Long Short Term Memory)是一种 特殊的RNN类型，同其他的RNNs相比可以更加方便地学习长期依赖关系，因此有很多人试图将其应用于 时间序列的预测问题 上,特别是股票价格的预测。本案例主要来源于《金融量化投资》课程的实验环节，要求学生构建投资策略，对股票、期货、期权进行投资模拟。参与该课程的杨非池(1601034)同学，利用LSTM模型，在BigQuant人工智能量化平台进行回测、模拟交易，并实现在国泰安虚拟交易所平台上实现自动下单操作。 机器学习的核心在于学习的内容，如果输入的参数包括(某股票前一日收盘价、某股票前一日开盘价、某股票前一日最高价、某股票前一日最低价、某股票前一日成交量、某股票前一日成交额)，输出的参数为某股票后五日的收益率，进行回测，回测的时间为2017年3月15日-2019年3月11日，期间收益率为107.84%，年华收益率为45.79%，而沪深300指数的基准收益率为8.34%，最大回撤为23.12%，阿尔法为0.37。根据回测的结果，将该策略用于模拟交易，具体开始交易时间为2019年3月12日，截止到2019年6月20日。在此区间发现累计收益为-7.39%，年化收益为-24.91%，最大回撤为21.29%。该策略在3月12日-4月20日期间能够战胜基准沪深300指数，但是随着股市的急剧下跌调整，很长一段时间该策略没有获取正向的超额收益率。 进一步增加机器学习的参数，包括换手率、大小单净流入以及MACD指标，继续进行模拟交易，模拟交易的起始时间为2019年5月31日，截止到2019年9月5日，累计收益为14.23%，年化收益率62.57%，当日收益为1.21%,最大回撤为3.92%，而沪深300基准累计收益率为8.14%。其中，在6-7月间，并未战胜市场，在8月初开始战胜市场，具有正向的超额收益率。策略的有效性还需要较长时间的检验，并且需要纳入基本面量化因子和市场情绪因子。 总的来看，机器学习可以应用于股票价格预测，特别是纳入换手率、大小单净流入指标的情况下，可以获得超额收益;如果进一步引入市场情绪因子、基本面量化等因子，可能更有助于促进人工智能、机器学习与经济学和管理学的交叉融合研究，为推进国家人工智能战略的有效实施提供参考。然而目前的机器学习如果应用于真实股票交易，可能不太靠谱，具体原因在于:(1)市场在变，规律在变，历史可能重演，但又不尽相同，信息域是无限的;(2)目前的Machine Learning基本还需要人工去调整参数，需要考虑调参人员的经验;(3)Machine Learning处理的数据前期至少要求是相对全面的，不全面的数据、甚至如果有重要的数据有所隐藏，对于任何学习模型来讲基本都是灾难;(4)Machine Learning是一个概率的事件集，受限于资源，不可能计算每一种可能性，利用牛顿下降法、改进梯度下降法也只能是达到局部最优，而不是全局最优。

" ["minPrice"]=> string(4) "0.00" ["maxPrice"]=> string(4) "0.00" ["discountId"]=> string(1) "0" ["images"]=> array(3) { ["large"]=> string(75) "http://www.chinadatacase.com/files/course/2023/05-05/15465603d56d833842.png" ["middle"]=> string(75) "http://www.chinadatacase.com/files/course/2023/05-05/15465603df95800089.png" ["small"]=> string(75) "http://www.chinadatacase.com/files/course/2023/05-05/15465603e689448188.png" } ["ratingNum"]=> string(1) "0" ["rating"]=> string(1) "0" ["hitNum"]=> string(3) "532" ["hotSeq"]=> string(1) "0" ["maxPriceObj"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["minPriceObj"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["minDisplayPrice"]=> string(4) "0.00" ["maxDisplayPrice"]=> string(4) "0.00" ["minDisplayPriceObj"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["maxDisplayPriceObj"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["canManage"]=> bool(false) ["peopleShowNum"]=> string(3) "124" ["isMember"]=> bool(false) ["status"]=> string(9) "published" ["orgId"]=> string(1) "1" ["orgCode"]=> string(2) "1." ["recommendWeight"]=> string(1) "0" ["recommendedTime"]=> string(1) "0" ["createdTime"]=> string(25) "2022-07-28T16:52:24+08:00" ["updatedTime"]=> string(25) "2025-12-10T01:10:16+08:00" ["product"]=> array(7) { ["id"]=> string(3) "925" ["targetType"]=> string(6) "course" ["title"]=> string(88) "机器学习与量化投资——基于LSTM模型的回测、模拟交易与真实下单" ["owner"]=> string(2) "71" ["createdTime"]=> string(10) "1658998344" ["updatedTime"]=> string(10) "1683513035" ["target"]=> array(17) { ["id"]=> string(3) "961" ["type"]=> string(6) "normal" ["title"]=> string(88) "机器学习与量化投资——基于LSTM模型的回测、模拟交易与真实下单" ["subtitle"]=> string(0) "" ["summary"]=> string(3461) "

　　作者: 邓鸣茂 ; 杨非池

　　关键词: 机器学习;量化交易;LSTM模型;模型回测;模拟交易;BigQuant人工智能量化平台;国泰安虚拟交易所

　　发表日期: 2019-09-17

　　出版社(学位授予单位): 上海对外经贸大学

　　LSTM(Long Short Term Memory)是一种 特殊的RNN类型，同其他的RNNs相比可以更加方便地学习长期依赖关系，因此有很多人试图将其应用于 时间序列的预测问题 上,特别是股票价格的预测。本案例主要来源于《金融量化投资》课程的实验环节，要求学生构建投资策略，对股票、期货、期权进行投资模拟。参与该课程的杨非池(1601034)同学，利用LSTM模型，在BigQuant人工智能量化平台进行回测、模拟交易，并实现在国泰安虚拟交易所平台上实现自动下单操作。 机器学习的核心在于学习的内容，如果输入的参数包括(某股票前一日收盘价、某股票前一日开盘价、某股票前一日最高价、某股票前一日最低价、某股票前一日成交量、某股票前一日成交额)，输出的参数为某股票后五日的收益率，进行回测，回测的时间为2017年3月15日-2019年3月11日，期间收益率为107.84%，年华收益率为45.79%，而沪深300指数的基准收益率为8.34%，最大回撤为23.12%，阿尔法为0.37。根据回测的结果，将该策略用于模拟交易，具体开始交易时间为2019年3月12日，截止到2019年6月20日。在此区间发现累计收益为-7.39%，年化收益为-24.91%，最大回撤为21.29%。该策略在3月12日-4月20日期间能够战胜基准沪深300指数，但是随着股市的急剧下跌调整，很长一段时间该策略没有获取正向的超额收益率。 进一步增加机器学习的参数，包括换手率、大小单净流入以及MACD指标，继续进行模拟交易，模拟交易的起始时间为2019年5月31日，截止到2019年9月5日，累计收益为14.23%，年化收益率62.57%，当日收益为1.21%,最大回撤为3.92%，而沪深300基准累计收益率为8.14%。其中，在6-7月间，并未战胜市场，在8月初开始战胜市场，具有正向的超额收益率。策略的有效性还需要较长时间的检验，并且需要纳入基本面量化因子和市场情绪因子。 总的来看，机器学习可以应用于股票价格预测，特别是纳入换手率、大小单净流入指标的情况下，可以获得超额收益;如果进一步引入市场情绪因子、基本面量化等因子，可能更有助于促进人工智能、机器学习与经济学和管理学的交叉融合研究，为推进国家人工智能战略的有效实施提供参考。然而目前的机器学习如果应用于真实股票交易，可能不太靠谱，具体原因在于:(1)市场在变，规律在变，历史可能重演，但又不尽相同，信息域是无限的;(2)目前的Machine Learning基本还需要人工去调整参数，需要考虑调参人员的经验;(3)Machine Learning处理的数据前期至少要求是相对全面的，不全面的数据、甚至如果有重要的数据有所隐藏，对于任何学习模型来讲基本都是灾难;(4)Machine Learning是一个概率的事件集，受限于资源，不可能计算每一种可能性，利用牛顿下降法、改进梯度下降法也只能是达到局部最优，而不是全局最优。

" ["cover"]=> array(3) { ["large"]=> string(75) "http://www.chinadatacase.com/files/course/2023/05-05/15465603d56d833842.png" ["middle"]=> string(75) "http://www.chinadatacase.com/files/course/2023/05-05/15465603df95800089.png" ["small"]=> string(75) "http://www.chinadatacase.com/files/course/2023/05-05/15465603e689448188.png" } ["status"]=> string(9) "published" ["studentNum"]=> string(3) "124" ["discountType"]=> string(8) "discount" ["discount"]=> string(2) "10" ["minCoursePrice"]=> string(4) "0.00" ["maxCoursePrice"]=> string(4) "0.00" ["defaultCourseId"]=> string(3) "964" ["productId"]=> string(3) "925" ["goodsId"]=> string(3) "925" ["minCoursePrice2"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["maxCoursePrice2"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } } } ["extensions"]=> array(3) { [0]=> string(8) "teachers" [1]=> string(14) "recommendGoods" [2]=> string(10) "isFavorite" } ["specs"]=> array(1) { [0]=> array(26) { ["id"]=> string(3) "928" ["goodsId"]=> string(3) "925" ["targetId"]=> string(3) "964" ["title"]=> string(0) "" ["seq"]=> string(1) "1" ["status"]=> string(9) "published" ["price"]=> string(4) "0.00" ["coinPrice"]=> string(4) "0.00" ["usageMode"]=> string(7) "forever" ["usageDays"]=> string(1) "0" ["usageStartTime"]=> string(1) "0" ["usageEndTime"]=> string(1) "0" ["buyableStartTime"]=> string(1) "0" ["buyableEndTime"]=> string(1) "0" ["buyableMode"]=> NULL ["buyable"]=> string(1) "1" ["maxJoinNum"]=> string(1) "0" ["services"]=> array(0) { } ["priceObj"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["displayPrice"]=> string(4) "0.00" ["displayPriceObj"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["isMember"]=> bool(false) ["access"]=> array(2) { ["code"]=> string(14) "user.not_login" ["msg"]=> string(15) "用户未登录" } ["hasCertificate"]=> bool(false) ["learnUrl"]=> string(42) "http://www.chinadatacase.com/my/course/964" ["teachers"]=> array(1) { [0]=> array(6) { ["id"]=> string(2) "71" ["nickname"]=> string(6) "admin2" ["title"]=> string(5) "admin" ["uuid"]=> string(40) "0594022bb8ab8bc17c0faad10ac9e108223f750e" ["destroyed"]=> string(1) "0" ["avatar"]=> array(3) { ["small"]=> string(73) "http://www.chinadatacase.com/files/user/2023/03-09/0913415c02ed921676.png" ["middle"]=> string(73) "http://www.chinadatacase.com/files/user/2023/03-09/0913415bfc8f030926.png" ["large"]=> string(73) "http://www.chinadatacase.com/files/user/2023/03-09/0913415bee27724865.png" } } } } } } 机器学习与量化投资——基于LSTM模型的回测、模拟交易与真实下单 - 中国经管实验教学案例平台

中国经管实验教学案例平台

www.chinadatacase.com