基于机器学习下量化选股的分析

杨亚东

【摘要】股票市场属于非线性系统，复杂性高而信噪比低。目前，多个领域中已经证实，机器学习是一种能够针对模糊非线性数据建模的工具，所以机器学习具有天然的应用到量化投资领域的优势。从本质上看，选股是排序问题，投资者希望在众多的股票中选择出具有更好未来表现的股票。基于此，本文分析了利用机器学习量化选股的方法。

【关键词】机器学习 量化投资 选股

相对于国外来说，我国属于刚刚开始发展量化投资，存在的不足之处仍比较多，但从实际情况看，A股市场具有较短的发展历程，与已经发展的比较成熟的海外市场相比，市场有效程度比较弱，错误定价的股票数量比较多，普遍存在非理性人投资行为，也正是因为此种不成熟特征的存在，为我国量化投资的发展提供了巨大的空间。因此，在现阶段A股市场中，更适合的量化投资方式为公正、理性、客观的。由此看来，本文研究量化选股的方法具有十分重要的现实意义。

一、短线选股策略

本节构建样本集时，特征选择为20个交易日内个股的收盘价走势，训练样本方法采用两种，分别为机器学习算法GBDT、GBRank，模式识别有机器学习自动进行。

（一）数据准备

需准备的数据包含2部分，一部分为样本内数据，属于训l练集，另一部分为样本外数据，属于测试集。本文数据均来源于Wind资讯，时间段为2006年1月1日2016年11月30日，均为A股收盘价。之后分割该时问段的数据，使其变为不存在交集的两部分，训练样本使用2006年1月1日2012年11月5日数据，测试样本使用剩余时间段的数据。训l练样本和测试样本生产时，如果股票上市后的交易日未满21个，做剔除处理，最后，生产约240万训练样本。

（二）提取特征

构建策略时，关键性的一步为特征提取，因本章短线选股策略是在模式识别基础上进行的，因此，关注K线形态特，征过程中仅选择20个交易日的。首先，通过指数移动平均线，过滤到收盘价的噪声，随后进行价格走势形态特征向量的描述，描述序列为收益率序列，最后，完成特征提取。

（三）模型训练

排序模型训练时，利用两种算法进行。第一种为GBDT，训练中，股票问相对顺序不做考虑，仅拟合其绝对得分，训练样本构建过程中，3个交易日后，若样本涨幅≥1%，则得分=1，否则样本得分=O，根据此种方式，训练样本集即可获得，接着以训练样本集作为GBDT的输入样本集，训练排序模型，此过程中，由于GBDT存在较多的参数，如果调参采用交叉验证方式，将会耗费大量的时间，因此，本文按照知识和经验，调优逐步的进行，完整训练后，排出函数h输出，通过h，即可开展打分操作，依据分数由高到低，排序未来3天内涨幅会超过1%的股票，供投资者选择。第二种为GBRank，这是一种pairwise方法，仅对同一时段内股票的相对涨跌幅做出考虑，保证训练样本不会受到系统性风险的影响，训练样本集获取后，输入到GBRank中，训练排序模型，参数直接选择相同于GBDT的，最终，排除函数h获得，排序未来3天内股票的表现。

二、长线选股策略

因短线选股策略仅能排序3天以内的，时间较短，本节提出的长线选股策略可排序未来20个交易日内的股票。

（一）数据准备

本节中，数据来源、选取时间段、划分训练样本和测试样本的方法均相同于1.1，不过，训练样本和测试样本生成时，要将股票上市时间不足3个月的剔除，以能与44维的要求相符合。最后，生成约160万的训练样本。

（二）特征提取

因要构建长线选股策略，因此要对个股在过去20个交易内、2个月交易日内、3个月交易日内的动量因子做出关注。首先。动量、反转效应特征向量描述时，采用的序列为个股动量因子序列，z-score标准化处理每一维度的特征向量；其次，以元素所處维度为依据，将每个元素的分位数计算出来；最后，组合上述两步处理后的特征向量，使特征向量达到44维，此种特征向量能够输入到机器学习中。

（三）模型训练

模型训练时，同样采用1.3中的两种方法。利用GBDT训练过程中，训练方式采用pointwise，无需对股票问相对顺序做出考虑，仅需拟合其绝对分数，20个交易日后，与股票涨幅均值相比，样本股价涨幅更大时，得分=1，样本股价涨幅更小时，得分=O，此处划分样本参照的标准为涨幅均指，以能保证排序的客观性、准确性，随后，获得训练样本集，并输入到GBDT中，训练排序模型，由于本节特征向量维度要显著高于1.3节的，因此设置参数时会不同于1.3，要增加回归树最大深度、并增加叶子结点数上限，完成训练后，排序函数h获得，通过h，即可完成未来20个交易日内的股票排序工作。利用GBRank训练过程中，训练方法相同于1.3此种方法，获得训练样本集后，输入到GBRank中，接着训练排序模型，设定的参数完全相同于本节的GBDT方法，最终，排序函数h获得，完成排序。

三、结论

机器学习基础上，本文构建了短线和长线量化选股策略，能够排序未来3个交易日及未来20个交易日内的股票，利于投资者实现量化选股，从而提高投资者投资的理性程度，促进我国A股市场的良好发展。不过，本文构建选股策略后，并未进行实际的实验，因而还需要进一步的开展验证研究。

参考文献：

[1]冯楠，陈有为.基于量化趋势跟踪的计算机自动化选股模型的设计与实现[J].自动化与仪器仪表，2016，（08）.

[2]李姝锦，胡晓旭，王聪.浅析基于大数据的多因子量化选股策略[J].经济研究导刊，2016，（17）.