中高频交易策略再出发：机器学习T0-安信证券-20191230
由alkaid创建，最终由alkaid 被浏览 174 用户
摘要
中高频机器学习再出发
区别于传统的主观规则交易，机器学习模型可以挖掘出更多的非线性模式。我们设计的集合分类回归策略采用XGBoost机器学习模型，并使用集合学习对机器学习模型进行融合来预测日内涨幅。
日内涨幅影响因子
我们共挖掘出15个因子：隔夜涨幅，集合竞价阶段第一阶段涨幅，集合竞价阶段成交金额占比，第一阶段委比变化，第二阶段委比变化，第二阶段涨停和第二阶段持续上行与日内涨幅有正向影响；集合竞价阶段第二阶段涨幅，集合竞价阶段成交金额占当天总成交金额的比例，第一阶段涨停，第二阶段的委买一价，委卖一价均值的平均值，第二阶段的委买一价，委卖一价均值的最大值，第二阶段的委买一价，委卖一价均值的最小值，第二阶段持续下行和第二阶段的委买一价，委卖一价均值的变化比率与日内涨幅有负向影响；第二阶段的委买一价，委卖一价均值的绝对变化值与日内涨幅影响因子有着周期性变化的关系。
集合分类回归T+0 交易策略
将分类模型与回归模型进行组合，选取每日信号强度前2%作为开仓信号；以开盘价等权重买入，持有至收盘卖出，在双边千分之二的交易成本下，集合分类回归策略样本外（2019.1-2019.10）表现：胜率57.24%，年化收益率130.2%，夏普比率4.31和最大回撤18.9%。每日持有个股数量最大值，中位数和最小值分别为6只，3只和1只。
正文
/wiki/static/upload/fe/fe3636df-3e26-4ca6-87d9-b84eed56cef7.pdf
\