the question

to believe, or not to believe, this is the question.
信, 还是不信,这是个问题。
------ 鲁迅 (我没说过哦)。

我们经常在书上、网上、电视上看到各路股评大师分享着各类战法,例如跳空缺口大家都听说过吧!

跳空缺口是指股价开盘价高于昨天的最高价或低于昨天的最低价,使K线图出现空档的现象。
普通缺口:特点就是很快被回补,价格在几天之内就会回补
突破缺口:当价格和成交量伴随跳空(向上或者向下)跳出震荡区,则预示着新趋势的形成
衰竭缺口:缺口没有很快回补,走势也反复无常,最终慢慢的回补缺口,预示着市场走势将可能剧烈的反转

信还是不信,这本身就已经是个问题了。

再说,即便是信,比如: 如果上周有一个向上跳空6%的缺口,它是否有支撑力度呢? 如果缺口出现在两个月前呢,还有支撑力度吗? 如果缺口出现在12个月前呢? 或者这个缺口只是跳空了1%呢,它还有6%的缺口的1/6支撑力度还是没有了支撑力度?

这些技能人类经过多年的学习和积累经验也不一定能很好掌握。

而且这位大师可能是技术党,分享各种均线、趋势线、压力位、支撑位、K线形态的使用; 那位大师可能名牌大学经济系出身,从宏观经济角度分享市场;某某名企财务大臣经常从财报的角度分析市场; 还有物理学家使用量子力学或者周期学分析市场程序员也认为自己在市场中有优势搞人工智能的当然也有自己的一套; 还有各路玄学家。。。 我们应该跟哪位大师学习呢? 跟错大师10年光阴很快就浪费了。

都9012年了。

四百多年前,人类发明了望远镜,拓展了。视觉"的能力
三百二十年前,人类发明了代步工具——自行车,提升了"步行"的能力;
一百多年前,从热气球到莱特兄弟的飞机,人类具备了新的能力——飞行。。
在信息技术日益成熟的今天,机器学习将带领我们步入更加神奇的世界——扩展学习的能力。

机器学习能够在一夜之间完成大概10年的行情数据分析,它可以:

  1. 验证大师所说的是否真有其事。
  2. 一夜之间学到大师的几年甚至几十年积累的经验。

the answer - 人工智能

裁判(Ump)是阿布大师在《量化交易之路》提出的概念。

阿布大师的abupy的设计目标是:

只需要提供一些基础的简单种子策略代码,计算机在这些简单种子策略基础上不断自我学习、自我完善,创造新的策略,并且紧跟时间序列不断自我调整策略参数。

而裁判(Ump)整个abupy中扮演的角色是:

不需要在具体策略中硬编码
不需要人工设定阀值,即且使得代码逻辑清晰
分离基础策略和策略优化监督模块,提高灵活度和适配性
发现策略中隐藏的交易策略问题
可以通过不断的学习新的交易数据

实现原理是:

ump将策略回测交易结果作为训练集进行模式识别,特别针对失败的交易识别模式,寻找规律,通过非均衡技术近一步寻找概率上的优势,通过构建多个裁判员的方式来构建裁判(主裁、边裁)机制,来对新的交易进行识别,当新的交易失败的风险大于一定的概率的时候,放弃这次交易。

ok, 听起来挺牛B的,以下试用一下abupy内置的几个机器人裁判是否能帮助我们提高策略收益。几个机器人裁判分别从 跳空缺口、价格角度、压力位、股价波动 等视觉观察和学习交易的。

以下是Jupyter notebook 研究过程:

在新的窗口中打开

总结

本次只用了:

  • 大概1000个A股市场的股票3年的行情数据。
  • 仅仅使用了框架内置的裁判从 跳空缺口、价格角度、压力位、股价波动 分析市场,没有自己编写更多的裁判从更多的角度分析市场。
  • 仅仅在买入因子启用了裁判,还没有在卖因使用裁判。
  • 没有让多个裁判配合一起裁决交易以达到更高准确率。

已经把策略的年化率从12%提升到18%。

文章开头提出的问题"如果缺口出现在两个月前呢,还有支撑力度吗?····· 或者这个缺口只是跳空了1%呢" 在上面notebook 已经有答案了-- 我们只需要知道有"跳空缺口"这么一回事就够了,经验-让机器自己学习去。

当然不是所有的大师的理论都可以转化为机器学习模型去验证的,因为机器学习需要大量历史数据,我们可以很容易获得市场行情数据,但是玄学家所使用的占星术数据好像并没有人整理一份出来供大家研究使用。

最后:
May the fortune be with you:
愿财富与你同在:
new-image---c3ct5