APP下载

基于人工神经网络的期货量化交易实践探索

2021-07-13韩冰金玮佳

现代企业 2021年4期
关键词:平均线收益神经网络

韩冰 金玮佳

人工神经网络算法是国际上管理资金量最大的交易算法,在国内由于量化交易研究历史较短,暂时还没有看到有公开报道的大规模资金使用神经网络算法进行管理。神经网络的收益对于神经网络的结构具有较好的稳健性。使用不同结构的神经网络(不同的输入层节点个数和不同的隐层节点个数)进行测试的结果发现,在结构相当大的变动范围内,神经网络策略均具有正的期望收益,并且使用相同结构的神经网络投资不同品种,在合理的范围内,该结构能对不同品种都能取得正的期望收益。本文所构建的神经网络策略还具有较好的稳健性,其网络结构在相当大的变化范围内都能对所投资的期货品种取得收益。

一、主要内容

本文对使用人工神经网络算法进行期货交易做了一个初步研究。研究结果表明,神经网络算法对于期货价格具有一定的预测作用。在测试期内,按照神经网络策略进行投资,对所测试的期货品种均能取得正的收益。尤其是在采用了一定的资产配置策略之后,神经网络的收益曲线将更加稳定。本文的研究还揭示了神经网络结构对收益的一些重要影响因素。从规模上来讲,并不是越复杂的神经网络(更多的输入层节点和更多的隐层节点)在投资中表现越好,相反,当神经网络的规模大到一定程度之后,其在投资中的表现会有所下降。另外,相比隐层节点数目而言,输入层节点数目会对投资收益有更大影响。本文主要介绍了神经网络策略用于期货投资的基本做法。其中包括神经网络的结构以及如何根据神经网络信号进行买卖等等。

二、神经网络算法用于期货投资

1.神经网络算法的原理。人工神经网络是一种通过计算机模拟大脑神经网络的算法,通过使用历史数据对人工神经网络进行训练,该神经网络可以对未来的数据有一定的预测功能。神经网络算法以能够适应高度非线性数据而著名,这种特性使其在金融领域得到广泛的应用。

2.神经网络的构建。本文所使用的神经网络是一个传统的3层神经网络,它具有30个输入层节点,5个隐层节点和1个输出层节点,相邻两层之间都相互连通。本文中大部分的测试都是针对这个神经网络进行的。利用这个神经网络可以对未来一日的收益率(收益率用收盘价来计算)进行预测。例如,想利用第i-30,i-29,…,i-1日的收益率来预测第i日的收益率,则将i-30,i-29,…,i-1日的收益率数据作为输入层的输入数据,神经网络通过内部运算,会在输出层给出一个对第i日收益率的预测。值得提出的是,这个神经网络并不是一个精心挑选的具有较好测试结果的网络结构,相反,有很多网络结构测试结果优于此网络。这样做是为了保证测试结果不给人以收益过好的假象,导致投资者在实际投资中无法达到测试中的收益。

3.根据算法结果确定买卖方向。根据上文提供的神经网络算法的预测结果,在实际投资中交易策略如下:

三、神经网络的训练与测试

神经网络的训练是指其调整内部参数,使得输出结果尽量与训练数据集相吻合。而测试则是对比神经网络的输出结果与实际数据的差别,检验神经网络预测的准确度。本文中神经网络的训练及测试严格遵循了训练集和测试集分开的原则,即拿来训练的数据不能再用于测试。本文以沪铜期货为例来说明对神经网络的训练及测试过程:第一轮,拿2018年1月1日前的所有数据来训练神经网络;训练完成之后,拿2018年1月1日之后n(n可以任取一个合适的正整数值)个交易日的数据对神经网络进行测试,至此为止,第一轮的训练及测试就结束了;在第二轮训练中,将2018年1月1日前所有数据及其之后n个交易日的数据合并到一起,作为训练数据进行训练;训练完成之后,拿接下来的n个交易日的数据进行测试,至此完成了第二轮训练及测试;这种训练及测试一直进行下去,直到使用完所有的数据。文中所有用于测试和训练的数据都是根据收益率指数收盘值计算出来的每日收益率数据。

四、收益测试与比较

1.神经网络算法交易的历史收益测试。在三大交易所上市交易的品种之中,我们选择大豆、豆粕、橡胶、铜、铝等5种期货的数据对神经网络交易策略进行测试,这是因为这几种期货上市时间较早,数据较多。而对于神经网络算法而言,必须有较多的数据进行训练才能行之有效。另外,所有测试的起始时间均为2018年1月2日,截止时间均为2020年10月26日。测试一种策略的收益有很多种方式。比如,我们可以测试:每次以固定杠杆率开仓所获得的历史收益;每次以固定金额开仓所获得的历史收益;每次以固定手数开仓所获得的历史收益;以上每种测试方法既具有共性,又分别从不同侧面反映了一种策略的收益情况。以固定杠杆率开仓的测试方法比较贴近于实际操作,其收益曲线反映了如果进行实际操作可能获得的收益。这种方法的缺点是:如果该策略能够取得收益,由于期初资金规模小,而后期资金规模大,那么从实际观感上,测试者往往忽略了其初期的盈利能力和收益波动,而高估了近期的盈利和收益波动。另外,我们还可以每次买卖相同手数的期货合约,这种做法可以用来比较策略收益与一直持有指数的收益的高低,从而判断策略的优劣。在本文中,我们先使用每次以固定金额开仓的策略对神经网络的收益进行测试,而后再以固定杠杆比率为1的策略对收益进行测试,这样,投资者可以对神经网络算法的投资效果有较为全面的了解。综合统计结果,从神经网络策略对于各种品种都有正的期望收益,其最大连续亏损金额一般小于最大连续盈利金额,最大连续亏损时间一般小于最大连续盈利时间等特点来看,神经网络策略确实是一种能够在长远时间内赢得收益的策略。从另一个方面来看,如果没有仓位控制策略和投资组合策略的配合,本文介绍的神经网络策略会对投资者情绪影响较大,比较难以持续跟踪。

2.与移动平均线策略的比较。为了对本文神经网络策略有更进一步的了解,我们将该策略的表现与30日移动平均线策略做一个比较。在30日移动平均线交易策略里,如果南华商品指数收盘价向上穿越移动平均线,则买入,如果南华商品指数收盘价向下穿越移动平均线,则卖出。按这种策略交易橡胶、沪铜、沪铝、豆一和豆粕期货所获得的收益情况。交易时间同样是2004年1月2日至2009年10月26日,另外,也是控制每次开仓金额为100万元,且不使用杠杆。经过对比,发现神经网络策略和移动平均线策略彼此各有胜负。表中将移动平均线策略占优的重要指标用下划线标出,将神经网络策略占优的重要指标用中划线标出。

五、组合投资多个品种的历史收益

神经网络策略的一个重要好处是其可以进行品种的投资组合,以降低收益曲线的波动。而对于趋势跟踪策略来说,由于商品一般具有同涨同跌的性质,遇到市场波动期,大部分商品的价格都在波动,遇到趋势期,大部分商品都具有趋势性。因此,使用趋势跟踪策略的时候,对不同品种进行投资组合对降低收益曲线波动性的作用较小。

前文对比了移动平均线策略和神经网络策略投资单个品种的收益,这里我们将对比进行不同品种组合投资时神经网络策略和移动平均线策略的收益,从对比结果可以看出,进行品种组合后,神经网络策略收益曲线的波动性将显著优于移动平均线策略。

这里同样使用铜、铝、橡胶、豆一、豆粕进行品种组合,具体的资金分配办法是:①在期初将100万元资金平均分配给各个品种,每个品种20万;②每隔100天,计算一次各品种的期望收益,然后将手中资金按照期望收益的比例重新调整给各个品种,期望收益高的品种分配所得资金高,期望收益低的品种所得资金低,期望收益为0或者负值的不给分配资金。按照这种资金分配策略,2004年1月2日投入的100万元资金,按杠杆比例为1进行投资,分别按照神经网络和30日移动平均线策略操作所得的收益。对这两种策略的收益曲线的各项指标进行了对比。虽然从利润率来看,神经网络策略和30日移动平均线策略相差无几,但是从最大回撤比例来看,神经网络策略则远远小于移动平均线策略。这表明,在相同风险之下,神经网络策略可以使用更大的杠杆比例进行交易,从而在收益上胜過移动平均线策略。

六、进一步研究

研究结果表明,神经网络投资策略对于很多期货品种具有正的期望收益,并且多个品种组合起来之后,其收益较为可观并且稳定。从另外一方面来看,本文给出的神经网络结构和策略只利用了日收益率的信息,这当然会对很多其他信息造成遗漏,比如价格的绝对数值,开盘价,日最高价,日最低价等等。在更复杂的神经网络策略中,应该对这些信息进行考虑。除此之外,国外有很多文献报道中使用了各种对传统神经网络进行改进的方法,未来也可以参考这些方法对神经网络策略进行更深入的研究。[基金项目:2020年度浙江省水利厅科技计划项目  RC2033;省属高校基本科研业务费资助项目FRF20QN004]

猜你喜欢

平均线收益神经网络
螃蟹爬上“网” 收益落进兜
上证指数正形成上升趋势突破形态
神经网络抑制无线通信干扰探究
中美贸易战下股市走势分析(上)
怎么设定你的年化收益目标
基于神经网络的拉矫机控制模型建立
2015年理财“6宗最”谁能给你稳稳的收益
复数神经网络在基于WiFi的室内LBS应用
基于支持向量机回归和RBF神经网络的PID整定
如何解开设计院BIM应用的收益困惑?