基于机器学习的贵金属价格预测应用初探

geroge_pjq

l 当前机器学习在各个领域的应用都十分广泛，尤其对量化交易而言更是十分有效的工具。而在金融市场中，贵金属短期的价格预测实际上会受到各种复杂因素的影响，相较于长期而言短期预测更为困难。本文旨在使用机器学习算法对贵金属的涨跌进行预测。

l 本篇报告选择了贵金属中最具代表性的标的黄金comex日收益率作为研究对象，初步研究短期内黄金涨跌预测情况。本文采用了线性回归模型、决策树和xgboost模型分别对黄金涨跌情况进行预测。

l 具体来说，首先我们筛选了影响黄金收益率的一些特征，并将这些特征通过上述三种模型生成信号，通过比较发现，线性模型在三种模型中表现较好，达到了11.34%的年化收益和0.343的夏普比率，优于简单持有策略；而非线性模型中决策树模型年化收益为-1.62%，夏普比率-0.135；xgboost模型年化收益-2.40%,夏普比率为-0.165，均不如简单持有策略。

l 最后，策略仍存在提升空间：比如还需深入进行特征工程，进一步优化特征；还需尝试用多种机器学习模型比较分析等。