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。
|