基于機(jī)器學(xué)習(xí)的股票投資與預(yù)測(cè)

摘要：目的 隨著近年來(lái)我國(guó)資本市場(chǎng)的發(fā)展和證券交易規(guī)模的不斷擴(kuò)大，越來(lái)越多的資金投資于證券市場(chǎng)，與此同時(shí)市場(chǎng)價(jià)格的波動(dòng)也十分劇烈，而波動(dòng)作為證券市場(chǎng)中最本質(zhì)的屬性和特征，市場(chǎng)的波動(dòng)對(duì)于人們風(fēng)險(xiǎn)收益的分析、股東權(quán)益最大化和監(jiān)管層的有效監(jiān)管都有著至關(guān)重要的作用，因此研究證券市場(chǎng)波動(dòng)的規(guī)律性，分析引起市場(chǎng)波動(dòng)的成因，是證券市場(chǎng)理論研究和實(shí)證分析的重要內(nèi)容，也可以為投資者、監(jiān)管者和上市公司等提供有跡可循的依據(jù)。方法 首先把股票交易數(shù)據(jù)進(jìn)行處理，從中選取多支績(jī)優(yōu)股擬投資。通過(guò)收益率和風(fēng)險(xiǎn)率這兩個(gè)目標(biāo)，設(shè)定收益率為正等其他約束條件下的雙目標(biāo)優(yōu)化模型，利用 python 的 pandas 模塊對(duì)模型進(jìn)行求解，面向不同類型的投資者，得到模型下投資績(jī)優(yōu)股的序號(hào)和收益率等數(shù)據(jù)。然后選取原數(shù)據(jù)中四個(gè)屬性進(jìn)行相關(guān)系數(shù)分析，然后選取收盤價(jià)為參考量，最終以選取收益率風(fēng)險(xiǎn)率比值作為股票評(píng)價(jià)的指數(shù)。最后通過(guò)歷史數(shù)據(jù)求得股票的平均收益率與風(fēng)險(xiǎn)，然后建立蒙特卡羅預(yù)測(cè)模型，對(duì)未來(lái)股票走勢(shì)進(jìn)行模擬，利用機(jī)器學(xué)習(xí)對(duì)模型進(jìn)行求解，面向不同類型的投資者，得到該模型下的投股方案等。結(jié)果 實(shí)驗(yàn)表明，基于機(jī)器學(xué)習(xí)的方法能夠很好地通過(guò)歷史的股票數(shù)據(jù)，在沒有特殊情況出現(xiàn)的情況下，可以預(yù)測(cè)股票的基本趨勢(shì)，并根據(jù)不同投資人群，提供不同的投資方案。結(jié)論 本文提出了一種投資人群的劃分，我們針對(duì)不同的投資人群，通過(guò)對(duì)數(shù)據(jù)的挖掘，定量分析與定性分析，結(jié)合不同股票的收益率風(fēng)險(xiǎn)率比值，推薦投股方案和資金搭配方案。實(shí)驗(yàn)結(jié)果表明，在基本的場(chǎng)景不變的情況下，預(yù)測(cè)股票的趨勢(shì)以及給定的投資方案都能完美的契合。

關(guān)鍵詞：時(shí)間序列 ARIMA;雙目標(biāo)優(yōu)化模型;蒙特卡洛模擬算法;機(jī)器學(xué)習(xí)

中圖分類號(hào)：TP391.1?文獻(xiàn)標(biāo)識(shí)碼：A?文章編號(hào)：1672-9129（2020）09-0122-02

引言：隨著近年來(lái)我國(guó)資本市場(chǎng)的發(fā)展和證券交易規(guī)模的不斷擴(kuò)大，越來(lái)越多的資金投資于證券市場(chǎng)，與此同時(shí)市場(chǎng)價(jià)格的波動(dòng)也十分劇烈，而波動(dòng)作為證券市場(chǎng)中最本質(zhì)的屬性和特征，市場(chǎng)的波動(dòng)對(duì)于人們風(fēng)險(xiǎn)收益的分析、股東權(quán)益最大化和監(jiān)管層的有效監(jiān)管都有著至關(guān)重要的作用，因此研究證券市場(chǎng)波動(dòng)的規(guī)律性，分析引起市場(chǎng)波動(dòng)的成因，是證券市場(chǎng)理論研究和實(shí)證分析的重要內(nèi)容，也可以為投資者、監(jiān)管者和上市公司等提供有跡可循的依據(jù)。

1?數(shù)據(jù)的分析原理與處理方法

1.1數(shù)據(jù)分析。利用 python對(duì)選取的十支股票進(jìn)行相關(guān)分析，得到的結(jié)果利用散點(diǎn)圖的方式呈現(xiàn)出來(lái)。

由圖1 可知，股票與股票之間存在一定的相關(guān)性，比如：abc001 股票與abc004、abc007、abc010 股票有比較明顯的正相關(guān)性。必定存在某種因素指標(biāo)在影響著股票，下面以 abc001 股票為例來(lái)展開探討。

1.2指標(biāo)的選取。利用相關(guān)系數(shù)分析來(lái)反映變量之間的相互關(guān)系密切的程度。

選取已有數(shù)據(jù)中的開盤、最高、最低、收盤、成交量為指標(biāo)，直接計(jì)算出各指標(biāo)數(shù)據(jù)間的相關(guān)系數(shù)，并作出相關(guān)系數(shù)圖。

由圖2可知，開盤價(jià)與最高、最低、收盤價(jià)之間強(qiáng)烈正相關(guān)，所以接下來(lái)以收盤價(jià)來(lái)討論。利用python數(shù)據(jù)可視化來(lái)繪制適用于文本數(shù)據(jù)的 K 線圖，利用 K 線圖能夠全面透徹地觀察到市場(chǎng)的真正變化。從 K 線圖中，既可看到股價(jià)（或大市）的趨勢(shì)，也同時(shí)可以了解到每日市況的波動(dòng)情形（其中紅色代表上漲，綠色代表下跌）。使用股票數(shù)據(jù)中每日的收盤價(jià)，算出 5 日均價(jià)和 20 日均價(jià)，并將均價(jià)的折線圖與 K 線圖畫在一起。

由圖 3可知，K 線圖與均價(jià)的折線圖基本吻合，這就說(shuō)明最開始的討論流程是正確的，以收盤價(jià)衍生出來(lái)的收益率和風(fēng)險(xiǎn)率也就符合指標(biāo)的選取。

2?趨勢(shì)預(yù)測(cè)

2.1模型選擇。從利用歷史的數(shù)據(jù)，分析當(dāng)下的指標(biāo)波動(dòng)并且預(yù)測(cè)未來(lái)一年的指數(shù)波動(dòng)，而蒙特卡羅模擬法幾乎可以用來(lái)模擬任何問(wèn)題，因此通過(guò)蒙特卡羅模擬法來(lái)建立預(yù)測(cè)模型，來(lái)計(jì)算特斯拉公司股票的風(fēng)險(xiǎn)價(jià)值，即在市場(chǎng)正常波動(dòng)的條件下，在一定概率水平α%下，某一金融資產(chǎn)或金融資產(chǎn)組合的VαR是在未來(lái)特定一段時(shí)間Δt內(nèi)最大可能損失。

2.2模型建立。首先，利用蒙特卡羅模擬法即運(yùn)用歷史數(shù)據(jù)對(duì)未來(lái)進(jìn)行多次模擬，以求得未來(lái)股價(jià)結(jié)果的概率分布。

可以看出，蒙特卡羅模擬法認(rèn)為股票的價(jià)格波動(dòng)可以分為兩部分，第一部分為drift，即股票會(huì)根據(jù)收益率波動(dòng)，第二部分為 shock，即隨機(jī)波動(dòng)。如下圖：

3?分析結(jié)果與結(jié)論

3.1投資人群的劃分。在實(shí)際投資中，考慮到不同投資人群的投資目的，建立三個(gè)投資模型來(lái)設(shè)定投資方案。其一是穩(wěn)中求勝的投資者，在風(fēng)險(xiǎn)低量化的同時(shí)保持收益的最大化。其二是追求高收益的投資者，為了盈利最大化。一般是手上有充足的投資資金來(lái)適當(dāng)規(guī)避股市市場(chǎng)高風(fēng)險(xiǎn)的投資者。其三是追求低風(fēng)險(xiǎn)的投資者，為了資金的穩(wěn)定性。一般是小富即安，追求穩(wěn)健，手上資金較少操盤或不喜歡高風(fēng)險(xiǎn)投資的投資者。為了使投資方案問(wèn)題的分析更加簡(jiǎn)化并同時(shí)保證所建立模型的合理性，對(duì)模型的建立設(shè)定一定的規(guī)則：1.收益率和風(fēng)險(xiǎn)率的計(jì)算按照經(jīng)濟(jì)金融學(xué)結(jié)合實(shí)際股票操作來(lái)計(jì)算，不加以修改或者干預(yù);2.將投資者的投資資金按照百分比配比分配給各個(gè)股票，滿倉(cāng)資金操作。

3.2預(yù)測(cè)結(jié)果。通過(guò)歷史數(shù)據(jù)求得股票的平均收益率與風(fēng)險(xiǎn)，便可以通過(guò)蒙特卡羅模擬法對(duì)股票未來(lái)走勢(shì)進(jìn)行模擬，利用 python 設(shè)計(jì)其算法并加以實(shí)現(xiàn)，得到以下圖（以abc001 股票為例）：

由圖5可以看出每一次模擬所得到股價(jià)走勢(shì)都是不同的，但是大部分集中在中間。下面加入模擬風(fēng)險(xiǎn)價(jià)值和定義置信水平為 99%的預(yù)測(cè)的股票價(jià)值，繪制如下圖：

由圖6可知一年后 abc001 股票的價(jià)格最有可能為 12.19 元，而整個(gè)預(yù)測(cè)時(shí)間內(nèi)的平均股票價(jià)格為 12.81 元，相較于初始價(jià)值 12.79 元，高出 0.02 元。但風(fēng)險(xiǎn)價(jià)值卻有 0.6 元。同理，可以利用設(shè)計(jì)的算法對(duì)其他九支股票進(jìn)行模擬預(yù)測(cè)，得到結(jié)果如下：

3.3推薦方案。由表1可知代碼為abc003、abc010的股票，在未來(lái)一年內(nèi)出現(xiàn)小幅下滑，而abc009股票基本維持不變，其他幾支股票出現(xiàn)不同幅度的增長(zhǎng)。

所以，假設(shè)存在三種不同的投資人群，那么在一年內(nèi)的投資方案如下：

參考文獻(xiàn)：

[1]肖華勇，實(shí)用數(shù)學(xué)建模與軟件應(yīng)用[M].西安：西北工業(yè)大學(xué)出版社，2010

[2]董寧，王宇平.基于新型雙目標(biāo)模型的約束優(yōu)化進(jìn)化算法[D].西安電子科技大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院;西安電子科技大學(xué)計(jì)算機(jī)科學(xué)學(xué)院

[3]簡(jiǎn)楊君，使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)預(yù)測(cè)股票價(jià)格（Python實(shí)現(xiàn)），2020.5.31

作者簡(jiǎn)介：陳思文，1998年生，男，本科生，主要研究方向?yàn)閿?shù)據(jù)可視化、數(shù)據(jù)挖掘與可視分析、人工智能