如何在金融网站运用算法交易AI？

如何在金融网站运用算法交易AI？

　　全文共4025字，预计学习时长8分钟

　　在这篇信息文章中，我们将重点关注bars：它们有什么问题？如何正确地处理以用于机器学习模型？在重新认识bars之后，你会发现几种从bars构建输入和输出的新方式方法。我们将会以统计和试验的方式来进行比较。

　　K线图（蜡烛图）的问题是什么？

　　我们习惯用所谓的“蜡烛图”来表示特定时间段（几分钟到几天不等）的开盘价，最高价，最低价和收盘价。

　　蜡烛图的主要问题是：市场并不遵循这一时间规则，人们不会在特定的时间或每隔N分钟/小时之后进行交易。此外，现代市场是由算法规则驱动的，人们必定是在需要的时候下注，而不是在特定的N秒后。若是根据固定的时间间隔对历史数值数据进行采样——当交易非常活跃时，我们会取样过少，交易低迷时则取样过多。

　　最后，根据上面提到的，可以得出下列结论（实证结论）：根据时间采样的bars具有“糟糕”的统计特性，即较低的序列同类相关性，存在异常值，常态分布测试不成功。

　　解决办法是根据其他规则对bars取样：

　　· Tick：当出现N个Tick时，对OHLC（开高低收价） bar采样

　　· 成交量：当某项资产成交量达X股时，对OHLC bar采样

　　· 成交额：当某项资产成交额达Y美元（或其他货币）时，对OHLC bar采样

　　· 不平衡：当价格的涨跌率或买卖比率与期望值有偏差时，对OHLC bar采样

　　在下面的时间序列例图中，可以直观地看到如何获得这些bars：

　　用以上提到的方式方法对香港专业教育学院（IVE）的bars采样的比较图

　　上面提到的所有方式方法都是为了创建包含相同数量信息的bars：每个tick bars的交易数量相同，但是成交量却大有不同，因此采样成交量bars会更好，这样每笔交易的成交股数就相同了。成交额bars则更进一步，每一个bar的交易的市场价值相等。不平衡bars可用于tick，成交量和成交额bars。对于不平衡的tick bars，我的解释是，它是从N个ticks采集的样本，且遵循类似的价格趋势。

　　正如你所看到的，所有的方式方法都非常依赖市场的微观模版结构来重建时间序列。让我们检查一下这些bars是不是是否名副其实。这里的时间bar为十分钟，每100个bars采样一个tick bar，每达到10000股交易采样一次成交量bar，成交额每达到1000000美元采样一次成交额bar（从数个月的数值数据中采集样本）。

　　根据不同的bars采样规则得到的收益分布比较图

　　它们的统计特性如何呢？根据其序列同类相关性，标准偏差和正态性检验等不同参数得到的bars的比较图如下。

　　可以看到，对于每一个参数，用其他规则采样bars比根据时间采样bars结果效果要好（方差除外，所有的方差都很低）。

　　如何正确标记数值数据集

转载自：如何在金融网站运用算法交易AI？

网站建设服务

悉知科技是一个有着12年经验的网站建设开发公司，品牌建站/外贸网站建设/谷歌营销推广/品牌营销策划，这些我们都能帮您搞定！

在线咨询

网站建设制作方案是什么 ? 报价多少钱 ?

获取建站报价