原创文章第105篇，专注“个人成长与财富自由、世界运作的逻辑， AI量化投资”。
"AI量化平台"当前目标，可以快速开发策略，相当于是搭建一个快速实验平台——工欲善其事，必先利其器。
昨天完成了轮动策略模板，并快速完成了“动量策略轮动”。“积木式”策略通用模板，整合backtrader的回测引擎：动量轮动策略代码案例，年化15.25%
文章里的交易信号是由规则给定的，若是交易信号由机器模型生成，则就是一个AI驱动的模型。今天我们主要还做这个。
01 数据集
机器学习驱动的量化策略，与传统量化不同在于，它的交易信号是由模型给出，所以它需要遵守机器学习流程。机器学习需要对数据集进行划分：训练集、测试集。在训练集上“学习”模型，在测试集上评估训练的结果。
与传统机器学习随机抽样不同在于，由于我们需要在测试集在做“连续”的回测，所以不能把总体随机打乱取其中一部分，而是将期按比列分成两段。一段当训练集，一段当测试集。因此，我们不使用sklearn的train_test_split函数，而是自己实现一个金融时间序列的数据集切分函数。
import numpy as np
import datetime as dt
from engine.datafeed.dataloader import Dataloader
def get_date_by_percent(start_date, end_date, percent):
days = (end_date - start_date).days
target_days = np.trunc(days * percent)
target_date = start_date + dt.timedelta(days=target_days)
# print days, target_days,target_date
return target_date
def split_df(df, x_cols, y_col, split_ratio=0.8):
split_date = get_date_by_percent(df.index[0], df.index[df.shape[0] - 1], split_ratio)
input_data = df[x_cols]
output_data = df[y_col]
# Create training and test sets
X_train = input_data[input_data.index < split_date]
X_test = input_data[input_data.index >= split_date]
Y_train = output_data[output_data.index < split_date]
Y_test = output_data[output_data.index >= split_date]
return X_train, X_test, Y_train, Y_test
class Dataset:
def __init__(self, feature_names, feature_fields, label_name='label', label_field=None):
self.feature_names = feature_names
self.feature_fields = feature_fields
self.label_name = label_name
self.label_field = 'Ref($close,-1)/$close -1' if label_field is None else label_field
def get_split_dataset(self, symbols, valid_date=None):
names = self.feature_names + [self.label_name]
fields = self.feature_fields + [self.label_field]
loader = Dataloader()
df = loader.load_one_df(symbols, names, fields)
X_train, X_test, Y_train, Y_test = split_df(df, x_cols=self.feature_names, y_col=self.label_name)
return X_train, X_test, Y_train, Y_test
if __name__ == '__main__':
codes = ['000300.SH', 'SPX']
names = []
fields = []
fields += ["Corr($close/Ref($close,1), Log($volume/Ref($volume, 1)+1), 30)"]
names += ["CORR30"]
dataset = Dataset(names, fields)
X_train, X_test, Y_train, Y_test = dataset.get_split_dataset(codes)
print(X_train, Y_train)
02 模型训练与预测
对划分好的数据集，进行模型训练和预测，模型提供了两个函数，fit和predict，代码比较简法，就是从dataset中分别读取训练集和测试集，使用model进行训练和预测。
class ModelRunner:
def __init__(self, model, ds: Dataset):
self.model = model
self.dataset = ds
def fit(self):
X_train, y_train = self.dataset.get_train_data()
self.model.fit(X_train, y_train)
def predict(self):
X_test, y_test = self.dataset.get_test_data()
pred = self.model.predict(X_test, y_test)
hit_count = 0
total_count = len(y_test)
for index in range(total_count):
if (pred[index]) == (y_test[index]):
hit_count = hit_count + 1
hit_ratio = hit_count / total_count
score = self.model.score(X_test, y_test)
logger.debug("准确率:", hit_ratio, '得分:', score)
return hit_ratio, score
传统机器学习得分在52%左右，比瞎猜好一点，当然这里还没有优化。
随机森林比SVM和逻辑回归效果要差，这是一个意外。另外就是SVM=LR，这个也很奇怪，可以相近，但不应该严格等于。
明天继续把深度学习模型（keras版本整合进来做一个对比），并整合向量化回测。
代码和数据，请前往星球下载。