看了上面几位盆友的回答及讨论觉得受益匪浅,同时我也注意到该问题关注者里面有许多让我仰视的前辈,这里也斗胆放上一个初学者的单纯思考与实践结果供大家一起探(yu)讨(le)。前面几位朋友提到机器学习在金融市场的预测应用,这确实是件让人兴奋的事情。是的,情理上,使用所谓的一些技术手段就想预测市场,毕竟naive,但因为这种情理上甚至逻辑上的“不可能”就放弃自己尝试,那我也不甘心啊。于是决定亲自踩坑,赤膊上阵,结果就当一个血淋淋的栗子吧,正好目前的答案还没人举一个活生生的具体实例。来,我来举个:我的研究对象是HS300历史数据,我关心它的涨跌。我的目标是亲自实现验证体会机器学习做市场预测这一构建过程,顺带瞧瞧这玩意儿是不是文献或是研报中“传说”的那么神或是然无卵。首先我们得熟悉我们的数据,获取过去十年CSI300指数原始数据(代码开发环境Ipython Notebook):df = rd.get_price('CSI300.INDX', '2005-01-01', '2015-07-25').reset_index()[['OpeningPx', 'ClosingPx']]有了开收盘价格后,我们把原始数据这般那般后,有了下面三张图:图一:图二:图三:图一表示过去近2500个交易日,当天是涨是跌天数的统计。图二表示每日收益率随时间序列的变化。图三表示涨跌天数的频率分布。有兴趣的盆友可以仔细看
...
继续阅读
(54)