机器学习，海量数据预测股票的未来趋势，+Model的研究

云海帆发布于2016-11-22 回复 55 浏览 23181 326

listen

早就有了这个念头，终于找个周末写完了，效果不太好，以后有心情再优化吧，这里做个总结主要思路： 1. 选取股票池，主要考虑流行的低市值低市盈率的，每个时间段分别取 2. 选取特征，主要选了买盘卖盘，K线，大盘指数等 3. 准备训练数据，做归一化，PCA，剔除相关性，选取主要分量 4. 目标函数是未来20天涨幅超过10%的，回撤小于5%的 5. SVR 分类，训练集准确度90%，测试集准确度80%，到这里看着还不错啊 6. 简单设定止盈(10%)，止损（-5%），开始回测总结： 1. 准备数据耗时太多，回测会超时。只能在研究里面先准备好训练数据，这里耗费了大量精力. 然后把训练好的模型直接load到回测里面使用 2. 训练数据用的是2014和2015年的，所以这两年的回测结果明显的过拟合+未来函数效应，只能看看2016年的数据，应该不到10%吧，回撤5%左右 3. 每一步的细节不同，结果会大不一样，非常不稳定，感觉模型只学习到了很少的东西，数据量还是太少了。在这个平台增加数据量和深度学习看来都不太现实 4. 囿于计算量的限制，每天只能从很小的股票池中选择符合预测的标的，这样标的很少，所以成交不活跃，对回撤敏感，这也是效果差的一个原因吧代码又乱又杂，要是有人有兴趣读的话，找时间整理出来。

326

listen

分享到：微信微博

雪球