CTA程序化交易实务研究：基于机器学习的订单簿高频交易策略-民生-131211
由qxiao创建，最终由qxiao 被浏览 452 用户
摘要
机器学习是订单簿动态建模的前沿方法订单簿的动态建模，主要有两种方法，一种是经典的计量经济学方法，另一种是前沿的机器学习方法。机器学习通过对己知数据的学习，找到数据内在的相互依赖关系，从而对未知数据进行预测和判断，最终使得机器具有良好的推广能力。支持向量机(SVM,Support Vector Machine)是目前较为先进的机器学习方法。
可以从订单簿提炼指标库来刻画其特征订单簿主要包括买一价、卖一价、买一量、卖一量等基础指标，并可以衍生出深度、斜率、相对价差等指标，其他指标包括持仓量、成交量、基差等，共计17个指标。还可以引入常见的技术分析指标如RSI、KDJ、MA、EMA等。
IF主力合约订单簿每天存在4000次交易机会以IF1311合约在10月29日的行情数据为例，Δt=2t ick的情况下，
ΔP绝对值大于等于0.4的次数大约有4000次，这是潜在的交易机会。
模型检验准确率最高达70%预测未来1tick的价格变化准确率较高，在ΔP≥0.4情况下，总体准确率大概70%；在总体准确率大于60%的情况下，可以转化为交易策略。
策略模拟收益以IF1311合约在10月31日的行情为例，在考虑手续费0.26/10000、单边滑点0.2点、每次交易1手情况下，全天交易次数605次，盈利次数339次，胜率56%，净利润11814.99
正文
/wiki/static/upload/7e/7e6629bc-ac8d-42ad-85a0-c74ecff7229b.pdf
\