自己动手写一个印钞机 第二章
2019獨角獸企業重金招聘Python工程師標準>>>
作者：阿布?
未經本人允許禁止轉載
ipython notebook git版本
目錄章節地址： 自己動手寫一個印鈔機 第一章 自己動手寫一個印鈔機 第二章 自己動手寫一個印鈔機 第三章 自己動手寫一個印鈔機 第四章 自己動手寫一個印鈔機 第五章 自己動手寫一個印鈔機 第六章 自己動手寫一個印鈔機 第七章
簡書目錄章節地址： 自己動手寫一個印鈔機 第一章 自己動手寫一個印鈔機 第二章 自己動手寫一個印鈔機 第三章 自己動手寫一個印鈔機 第四章 自己動手寫一個印鈔機 第五章 自己動手寫一個印鈔機 第六章 自己動手寫一個印鈔機 第七章 自己動手寫一個印鈔機 附錄章
股票量化專題地址，請關注，謝謝！
非均衡勝負收益帶來的必然非均衡勝負比例，目標由因子的能力解決一部分，模式識別提升關鍵的一部分
本章開始說文章的核心了，模式識別提升關鍵的一部分?本章的內容主要是通過機器學習如svm，隨機森林等對stock模式識別的初步探索，俗稱罪惡的第一步，但還是要堅定的賣出，畢竟目標是印鈔機
下面運行因子對多年數據進行回測，模式識別中基本的需求就是生成訓練集數據與測試集數據，對訓練集的數據抽取特質，總結規律，在測試集上指導交易，與沒有指導交易的測試集進行比對，查看效果。
BuyGoldenFactor.g_enable_filter_ml = True # 回測因子的歷史且結果集加入機器學習需要的數據 BuyGoldenFactor.g_enable_snap = True # 生成交易這一時刻60日圖像，為深度學習準備, 詳情見第四章 buy_factors = [{'XD': 42, 'class': BuyGoldenFactorClass, 'draw': True}]# n_folds： 6年數據回測生成五年單子 # train_test_split：回測時預留一份stock代碼表作為測試集，生成9份訓練集，當use_last_test為True 時只用一份測試stock代碼表進行因子回測 # ret_cnt_need ＝ 0：回測所有stock out, orders_pd_train_snap = MetricsManger.make_metrics_rsc_mul_symbol_grid(buy_factors, n_folds=6, score_type=METRICSTYPE.SYSMBOL_R_SCORES_GOLDEN.value, ret_cnt_need=0, train_test_split=True, use_last_test=False, force_one_process=False)pd.options.display.max_columns = 40 orders_pd_train_snap.tail(2) # 看看添加了提供機器學習數據的pandas由于簡書不支持html的表格，完整表格請查閱git上完整版ipython notebook
這些特征都是什么比如deg_windowPd就是買入stock這一天前42天k線圖的線性擬合斜率，deg_hisWindowPd是252天k線圖的線性擬合斜率，它們代表了買入前stock的一種狀態也就能代表一種特征，你可以理解為這些特征都是發生交易前的一些狀態的量化值特征，暫時沒有必要全部深入了解，知道是特征就行。
下面生成測試集數據
BuyGoldenFactor.g_enable_fiter = False BuyGoldenFactor.g_enable_snap = True buy_factors = [{'XD': 42, 'class': BuyGoldenFactorClass, 'draw': True}] out, orders_pd_test = MetricsManger.make_metrics_rsc_mul_symbol_grid(buy_factors, n_folds=6, score_type=METRICSTYPE.SYSMBOL_R_SCORES_GOLDEN.value, ret_cnt_need=0, train_test_split=False, use_last_test=True, force_one_process=False)orders_pd_train_snap.shape, orders_pd_test_snap.shape# out((44412, 32), (4956, 32))
對訓練集及測試集的結果進行大體的度量：主要就是看看非均衡勝負收益帶來的必然非均衡勝負比例，目標由因子的能力解決一部分效果怎么樣
train_ump = UmpMainClass(orders_pd_train_snap, MlFiterGoldenPdClass) train_ump.show_general()# outall fit order = (41225, 32)win rate = 0.493559733172profit_cg.sum() = 281.687935222win mean = 0.0770327160087 loss_mean = -0.061738192442 test_ump = UmpMainClass(orders_pd_test_snap, MlFiterGoldenPdClass) test_ump.show_general()# outall fit order = (4612, 32)win rate = 0.5profit_cg.sum() = 37.4002795407win mean = 0.076550446692 loss_mean = -0.0605681543452顯示在所有有結果的單子中勝率可以接近一半，且每次贏的0.07比沒次輸的0.06多， 但是貪婪的我仍然認為有優化空間，這個空間就是利用這個因子產生的輸出數據 作為特征識別基礎，提煉特征，指導交易，
模式識別提升關鍵的一部分
下面我們看看如何做到的呢
首先確認ml封裝庫是否能正常運行
test_fiter_more = MlFiterClass.create_test_more_fiter()學習曲線
test_fiter_more.estimator.logistic_regression() test_fiter_more.plot_learning_curve()特征權重
test_fiter.importances_coef_pd()樹邏輯圖
test_fiter.plot_graphviz_tree()混淆矩陣
test_fiter_more.plot_confusion_matrices()# out[[453 96][100 242]]roc
test_fiter_more.plot_roc_estimator()特征選擇
test_fiter_more.feature_selection()# outRFE selectionranking supportSibSp 1 TrueParch 1 TrueCabin_No 1 TrueCabin_Yes 6 FalseEmbarked_C 2 FalseEmbarked_Q 5 FalseEmbarked_S 3 FalseSex_female 8 FalseSex_male 1 TruePclass_1 4 FalsePclass_2 7 FalsePclass_3 1 TrueAge_scaled 1 TrueFare_scaled 1 TrueRFECV selectionranking supportSibSp 1 TrueParch 2 FalseCabin_No 1 TrueCabin_Yes 7 FalseEmbarked_C 3 FalseEmbarked_Q 8 FalseEmbarked_S 4 FalseSex_female 1 TrueSex_male 9 FalsePclass_1 5 FalsePclass_2 6 FalsePclass_3 1 TrueAge_scaled 1 TrueFare_scaled 1 True決策邊界
test_fiter.plot_decision_function()train test score
test_fiter_more.cross_val_accuracy_score()# outaccuracy mean: 0.776812507093array([ 0.75555556, 0.72222222, 0.73033708, 0.75280899, 0.83146067,0.78651685, 0.80898876, 0.71910112, 0.82022472, 0.84090909])切換使用其它學習方法
test_fiter_more.estimator.adaboost_classifier() test_fiter_more.cross_val_accuracy_score()# outaccuracy mean: 0.810433548973array([ 0.78888889, 0.78888889, 0.78651685, 0.80898876, 0.84269663,0.78651685, 0.82022472, 0.82022472, 0.79775281, 0.86363636])可以證明封裝庫沒有問題，可以放心使用，下一步上真正的stock數據
由252，60， 42天組成的走勢數劇作為特質開始
from MlFiterDegPd import MlFiterDegPdClass deg = MlFiterDegPdClass(orderPd=orders_pd_train_snap) deg.df.head() deg().estimator.svc() deg().cross_val_accuracy_score()# outaccuracy mean: 0.491279520472array([ 0.48920689, 0.51758428, 0.49987873, 0.49551298, 0.48168809,0.4887218 , 0.47610963, 0.47355653, 0.4853191 , 0.50521718])0.49的準確率，相當于是亂猜 是不是特征選擇的不好呢，換一些特征試試
from MlFiterMainPd import MlFiterMainPdClass main = MlFiterMainPdClass(orderPd=orders_pd_train_snap) main.df.head() main().cross_val_accuracy_score()# outaccuracy mean: 0.493608245706array([ 0.5008489 , 0.49890856, 0.49793839, 0.48678147, 0.50303177,0.47125879, 0.49648314, 0.49369238, 0.49332686, 0.49381218])0.49的準確率，還是亂猜 是不是特征太少了，構建一個特征多的試試
from MlFiter import MlFiterClass order_has_ret = orders_pd_train_snap[(orders_pd_train_snap.result <> 0)]all_pd = order_has_ret.filter(['result', 'deg_hisWindowPd', 'deg_windowPd', 'deg_60WindowPd', 'atr_std', 'jump_power', 'diff_days', 'wave_score1', 'wave_score2', 'wave_score23']) train_np = all_pd.as_matrix() y = train_np[:, 0] x = train_np[:, 1:] all_filter = MlFiterClass(x, y, all_pd) all_pd.head() # 這回使用隨機森林 all_filter.estimator.random_forest_classifier() all_filter.cross_val_accuracy_score()# outaccuracy mean: 0.505349477658array([ 0.48678147, 0.50788261, 0.53019646, 0.50497211, 0.51297599,0.46058695, 0.51564395, 0.50994663, 0.4942975 , 0.53021111])0.50的準確率，這算是有所提升嗎？?
下面把數據離散化后，換種分類器測試
deg = MlFiterDegPdClass(orderPd=orders_pd_train_snap, dummies=True, invoke_hmm=False,invoke_pca=False) deg.df.head()由于簡書不支持html的表格，完整表格請查閱git上完整版ipython notebook
上邊封住好了的，在離散值的選擇上不是瞎來的，會通過可視化來選擇離散值bins，通過數據來指導數據最終指導交易
deg().estimator.random_forest_classifier() deg().cross_val_accuracy_score()# outaccuracy mean: 0.487590577522array([ 0.48217317, 0.51564395, 0.4962406 , 0.49890856, 0.49745331,0.48338588, 0.49527043, 0.45414847, 0.44479495, 0.50788644])結果還是亂猜
用其它等等方式仍然是胡猜，自己寫的類似adaboost依然效果很差, 通過非均衡概率降低假陽，提高假陰的方式，最后統計所有測試集樣本的判別概率發現其實還瞎猜
提高分類數量，設置閥值，提高準確率的方案
通過將profit cg qcut 100份分類
orders_pd_train_snap.profit_cg.fillna(0, inplace=True) order_has_ret = orders_pd_train_snap[(orders_pd_train_snap.result <> 0)] n_class = 100 order_has_ret['class'] = pd.qcut(order_has_ret.profit_cg, n_class, labels=range(0, n_class)) order_has_ret['class'] = order_has_ret['class'].astype(int) ZLog.info(np.unique(order_has_ret['class']))deg_pd = order_has_ret.filter(['class', 'result', 'deg_hisWindowPd', 'deg_windowPd', 'deg_60WindowPd']) train_np = deg_pd.as_matrix() y = train_np[:, 0] x = train_np[:, 1:] deg = MlFiterClass(x, y, deg_pd, force_clf=True) deg_pd.head()-
y為class train_test_split進行分類
-
使用cv數據集的 predict < class閥值 使用result==0的情況查看概率
from sklearn.cross_validation import train_test_split from sklearn.metrics import accuracy_score from sklearn.metrics import classification_report
deg.estimator.random_forest_classifier()
train_df, cv_df = train_test_split(deg.df, test_size=0.1, random_state=0)
fiter = deg.get_fiter() fiter.fit(train_df.as_matrix()[:, 2:], train_df.as_matrix()[:, 0])
predictions = fiter.predict(cv_df.as_matrix()[:, 2:])
cv_df['predict'] = predictions cv_df.head()
for threshold in np.arange(0, 10):ppv = cv_df[cv_df['predict'] <= threshold].result.value_counts()ZLog.info('threshold: {}, ppv: {}'.format(threshold, float(ppv[-1])/ppv.sum()))# outthreshold: 0, ppv: 0.607142857143threshold: 1, ppv: 0.632075471698threshold: 2, ppv: 0.58389261745threshold: 3, ppv: 0.586734693878threshold: 4, ppv: 0.579166666667threshold: 5, ppv: 0.571929824561threshold: 6, ppv: 0.551204819277threshold: 7, ppv: 0.541436464088threshold: 8, ppv: 0.526960784314threshold: 9, ppv: 0.523489932886
threshold: 0，1，達到0.6了 但是數量上只有100多個，之后會有使用gmm－hmm的方式繼續擴展這種思路，提高收益
只能說最后一種的這個思想可以作為擴展使用，實際中由于 '非均衡勝負收益' 很難帶來質的好轉，突然想到阿西莫夫的小說基地，對心理史學的最開始的評估，‘可能但是不可行’，我們的印鈔機之路是否也是這樣呢，下一章開始就是真正的印鈔機之路了，一個即可能又可行之路！！！ 下一章開始將使用深度學習方法來訓練數據，提高勝率主要是卷機神經網絡的使用
下一章地址 自己動手寫一個印鈔機 第三章
感謝?您能有耐心看到這里
如果有什么問題可以加阿布的微信
微信號：aaaabbbuu
轉載于:https://my.oschina.net/u/577691/blog/776216
總結
以上是生活随笔為你收集整理的自己动手写一个印钞机 第二章的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： iOS app性能优化的那些事
- 下一篇： JSTL函数标签库 fn标签