华泰人工智能系列之二十六：遗传规划在CTA信号挖掘中的应用-华泰证券-20191125
由alkaid创建，最终由alkaid 被浏览 162 用户
摘要
本文介绍了遗传规划在CTA信号挖掘中的应用，并展示了实证结果
在机器学习中，遗传规划是一个优秀的特征生成工具，本文介绍了遗传规划在CTA信号挖掘中的应用。遗传规划的优势在于能在现有的数据和运算符中进行大规模启发式搜索，同时突破人类的思维局限，挖掘出特异的、能对现有CTA策略做出有益补充的信号。本文基于遗传规划程序包gplearn进行改进，并在多个商品期货品种上测试，挖掘出了一些回测效果较好且意义明确的CTA信号。
遗传规划能挖掘对现有CTA策略做出有益补充的信号，提高策略的差异性
量化CTA策略中最常见的策略是趋势/反转策略。经典的趋势/反转策略大多已有数十年的历史，策略的逻辑相对固定，随着使用该类策略的投资者逐渐增多，策略可能面临交易拥挤、有效性下降的问题，此时遗传规划将会是一个值得尝试的工具。遗传规划可以充分利用计算机的强大算力生成大量公式化的交易信号，并通过启发式搜索寻找潜在有效的信号。在计算机7X24小时不间断的挖掘下，我们或许能够找到一些对现有CTA策略做出有益补充的信号，提高策略的差异化程度。
本文展示了遗传规划挖掘出的9个商品期货品种的CTA信号
本文选择三大商品交易所中流动性较好的40个商品期货品种进行测试，挖掘基于一分钟K线的信号。综合考虑信号的回测效果和复杂程度，本文展示了9个品种对应信号的回测结果。考虑到CTA信号过拟合可能性较高，我们对每个信号进行参数遍历，各品种的信号在全部参数下都有正收益，且各个信号使用的参数在所有参数中表现中上，不是刻意挑选出的最优信号。在挖掘出的信号中，一部分信号是趋势/反转信号，还有一部分信号则与成交量、持仓量有关。
本文构建了多策略组合来分散单一CTA信号的风险，提升夏普比率
单一品种的单一信号面临较大回撤风险。为了减小回撤，提升夏普比率，本文构建了多策略组合，策略运行中可能同时持有多个品种的合约。假设不使用杠杆，在单边交易成本为万分之三时，2015年以来多策略组合年化收益率为25.26%，夏普比率为2.25，最大回撤为10.51%。
正文
/wiki/static/upload/4a/4ad07a28-ce14-4348-a408-1e1fd454afce.pdf
\