一個(gè)在量化投資中發(fā)現(xiàn)新阿爾法的學(xué)習(xí)框架
Alpha 是股票預(yù)測(cè)模型，可生成買入或賣出股票的觸發(fā)器。在這個(gè)領(lǐng)域，現(xiàn)有的人工智能方法超越了人類創(chuàng)造的阿爾法。當(dāng)前的方法僅利用短期特征或非常復(fù)雜。
一篇新的研究論文提出了一類新的阿爾法，它結(jié)合了現(xiàn)有阿爾法的優(yōu)點(diǎn)。它們具有簡(jiǎn)單性和泛化能力，可以使用長(zhǎng)期特征。
此外，還提出了一種新穎的 alpha 挖掘框架。它使用進(jìn)化算法，其中迭代更新種群以生成更好的 alpha。提出了一種修剪冗余阿爾法的優(yōu)化技術(shù)來(lái)加速阿爾法挖掘。該方法成功地生成了具有弱相關(guān)高回報(bào)的 alpha。一項(xiàng)使用納斯達(dá)克股票價(jià)格數(shù)據(jù)的實(shí)驗(yàn)研究表明，該模型為投資者提供了一種低風(fēng)險(xiǎn)高回報(bào)投資的自動(dòng)解決方案。
Alpha 是捕捉股票市場(chǎng)交易信號(hào)的股票預(yù)測(cè)模型。一組有效的阿爾法可以產(chǎn)生弱相關(guān)的高回報(bào)以分散風(fēng)險(xiǎn)。現(xiàn)有的 alpha 可以分為兩類： 公式 alpha 是標(biāo)量特征的簡(jiǎn)單代數(shù)表達(dá)式，因此可以很好地泛化并被挖掘?yàn)槿跸嚓P(guān)集。機(jī)器學(xué)習(xí) alpha 是基于向量和矩陣特征的數(shù)據(jù)驅(qū)動(dòng)模型。它們比公式 alpha 更具預(yù)測(cè)性，但太復(fù)雜而無(wú)法挖掘到弱相關(guān)集。在本文中，我們引入了一類新的 alpha 來(lái)對(duì)標(biāo)量、向量和矩陣特征進(jìn)行建模，這些特征具有這兩個(gè)現(xiàn)有類的優(yōu)點(diǎn)。新的 alpha 以高精度預(yù)測(cè)回報(bào)，并且可以挖掘到弱相關(guān)集。此外，我們提出了一種基于 AutoML 的新型 alpha 挖掘框架，稱為 AlphaEvolve，以生成新的 alpha。為此，我們首先提出了用于生成新 alpha 并有選擇地注入關(guān)系領(lǐng)域知識(shí)來(lái)建模股票之間關(guān)系的運(yùn)算符。然后，我們通過(guò)提出一種冗余 alpha 修剪技術(shù)來(lái)加速 alpha 挖掘。實(shí)驗(yàn)表明，AlphaEvolve 可以將初始 alpha 演化為具有高回報(bào)和弱相關(guān)性的新 alpha。
標(biāo)簽：