AL123 人文社科会员免费专区文学 2024-12-01

金融人工智能：用Python实现AI量化交易_【德】伊夫·希尔皮斯科_AZW3_MOBI_EPUB_PDF_电子书（无页码）_【德】伊夫·希尔皮斯科

内容节选

8.5金融特征 RNN 的应用不仅限于原始价格或收益率数据，还可以包括附加特征以改进它的预测性能。以下 Python 代码向数据集中添加了典型的金融特征。In [77]: data = generate_data()In [78]: data['r'] = np.log(data / data.shift(1))In [79]: window = 20 data['mom'] = data['r'].rolling(window).mean() ➊ data['vol'] = data['r'].rolling(window).std() ➋ In [80]: data.dropna(inplace=True) ➊ 增加时间序列动量特征。 ➋ 增加滚动波动率特征。 8.5.1 估计在估计任务中，样本外准确率可能会显著下降，这有些出人意料。换句话说，在这种特殊情况下添加金融特征并没有观察到任何改进。In [81]: split = int(len(data) * 0.8)In [82]: train = data.iloc[:split].copy()In [83]: mu, std = train.mean(), train.std() ➊ In [84]: train = (train - mu) / std ➋ In [85]: test = data.iloc[split:].copy() In [86]: test = (test - mu) / std ➌ In [87]: g = TimeseriesGenerator(train.values, train['r'].values, length=lags, batch_size=5) ➍ In [88]: set_seeds() model = create_rnn_model(hu=100, features=len(data.columns), layer='SimpleRNN') In [89]: %%time model.fit_generator(g, epochs=100, steps_per_epoch=10, verbose=False) ➍ CPU times: user 5.24 s, sys: 1.08 s, total: 6.32 s Wall time: 2.73 s Out[89]: In [90]: g_ = TimeseriesGenerator(test.values, test['r'].values, length=lags, batch_size=5) ➎ In [91]: y = model.predict(g_).flatten() ➎ In [92]: accuracy_score(np.sign(test['r'].iloc[lags:]), np.sign(y)) ➎ Out[92]: 0.37299771167048057 ➊ 计算训练数据的一阶矩和二阶矩。 ➋ 对训练数据应用高斯归一化。 ➌ 对测试数据应用高斯归一化（基于来自训练数据的统计数据）。 ❹ 在训练数据上拟合模型。 ➎ 在测试数据上测试模型。 8.5.2 分类迄今为止的分析都在使用 Keras 中的 RNN 模型进行估计，以预测金融工具价格的未来方向。我们所关心的问题可能会更好地直接转换为分类问题。以下 Python 代码会处理二进制标签数据并直接预测价格变动的方向。这次我们使用 LSTM 层，即使对于相对少量的隐藏单元和有限的几个训练轮数，样本外的准确率也相当高。该方法通过适当调整类权重来解决类别不平衡的问题。在这种情况下，预测准确率非常高，约为 65%。In [93]: set_seeds() model = create_rnn_model(hu=50, features=len(data.columns), layer='LSTM', algorithm='classification') ➊ In [94]: train_y = np.where(train['r'] > 0, 1, 0) ➋ In [95]: np.bincount(train_y) ➌ Out[95]: array([2374, 1142]) In [96]: def cw(a): c0, c1 = np.bincount(a) w0 = (1 / c0) * (len(a)) / 2 w1 = (1 / c1) * (len(a)) / 2 return {0: w0, 1: w1} In [97]: g = TimeseriesGenerator(tra......