基于机器学习的贵金属价格预测应用初探系列三

geroge_pjq

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。