统计套利的机器学习:导论
用于处理大量数据的机器学习技术在计算金融中广泛应用。本主题中介绍的一系列示例提供了一个通用的工作流程,说明了MATLAB中的能力如何®应用于金融工程中的一个具体问题。工作流是面向问题的、探索性的,并由数据和结果分析指导。但是,整体方法对于在许多领域构建应用程序是有用的。
工作流由以下操作组成:
通过对市场微观结构的分析,制定一种简单的算法交易方法,以识别实时套利机会为目标。
使用大样本的交易所数据跟踪单个证券在某一天的订单动态,有选择性地处理数据,以制定相关的统计措施。
根据特征工程和开发过程中引入的超参数选择创建日内动态模型。
使用基于模型的交易策略计算现金回报的监督目标评估超参数调优。
使用不同的机器学习算法优化交易策略。
为进一步发展提出修改建议。
工作流分为三个示例:
有关机器学习的一般工作流程的更多信息,请参见: