摘要: l 上篇文章初步探索了线性模型,其他机器学习模型以及合成信号对黄金日度收益率涨跌预测情况,发现线性模型的策略表现要高于其他策略表现。 l 本篇文章首先继续对特征工程进行完善,同时由于线性模型优秀的表现,本文继续深入研究线性模型,进一步提高策略的表现。 l 具体来说,本文分别采用了线性回归,岭回归和lasso回归模型进行回测,发现普遍线性模型的策略表现都较为出色,其中线性3.0模型年化收益为25.82%,夏普比率为0.804,最大回撤35.81%;岭回归策略年化收益27.75%,夏普比率1.014,最大回撤33.74%;lasso策略的年化收益达到了32.38%,夏普比率1.196,最大回撤32.01%,在线性策略中表现最好。 l 最后我们探究了合成信号对单一线性信号的表现是否有提升,发现仍旧不如单一的lasso策略表现。后续会继续完善特征工程,改进合成信号方法,进一步提升策略表现。 风险提示:存策略失效风险、模型误设风险、历史统计规律失效等风险。
|