核心觀點(diǎn)

真假序列識(shí)別的意義及研究思路

本文采用一個(gè)相對(duì)新穎的研究問題——真假市場(chǎng)價(jià)格序列的識(shí)別，并以機(jī)器學(xué)習(xí)為研究工具，考察真實(shí)市場(chǎng)價(jià)格序列是否包含與隨機(jī)生成的虛假市場(chǎng)價(jià)格序列顯著不同的信息，從逆向邏輯上檢驗(yàn)市場(chǎng)交易信息是否存在規(guī)律，進(jìn)一步探索基于交易信息的技術(shù)分析的可靠性。結(jié)果表明，單純基于價(jià)格的技術(shù)分析的可靠性值得懷疑，數(shù)量可能比價(jià)格更有用。

虛假序列的產(chǎn)生及其特征

本研究選取收益率作為“價(jià)格”信息的代表，換手率作為“數(shù)量”信息的代表，4個(gè)廣基指數(shù)和29個(gè)一級(jí)行業(yè)指數(shù)作為樣本目標(biāo)，60個(gè)交易日作為樣本長(zhǎng)度。通過隨機(jī)打亂收益率和換手率的時(shí)間序列，產(chǎn)生虛假序列，保證同一個(gè)交易日的收益率和換手率對(duì)應(yīng)。收益率和價(jià)格的真假序列，僅憑肉眼幾乎無(wú)法分辨。與虛假換手率序列相比，真實(shí)換手率序列表現(xiàn)出更強(qiáng)的趨勢(shì)性和平滑性。

卷積神經(jīng)網(wǎng)絡(luò)模型具有突出的性能，優(yōu)于其他機(jī)器學(xué)習(xí)模型

模型的初步篩選結(jié)果表明，卷積神經(jīng)網(wǎng)絡(luò)(CNN)識(shí)別真假價(jià)格序列的能力突出，性能明顯優(yōu)于其他模型。支持向量機(jī)和全連通神經(jīng)網(wǎng)絡(luò)表現(xiàn)出一定的識(shí)別能力，但普遍較弱；而logistic回歸、隨機(jī)森林、XGBoost等模型識(shí)別能力很小。我們推測(cè)原因是傳統(tǒng)分類器依賴特征工程，需要從原始數(shù)據(jù)中人工提取特征；卷積神經(jīng)網(wǎng)絡(luò)本身具有提取特征的能力，并且對(duì)圖像數(shù)據(jù)的局部特征具有很強(qiáng)的識(shí)別能力，因此適用于相似圖像形式的時(shí)間序列識(shí)別。

離職率序列的識(shí)別效果較好，技術(shù)指標(biāo)的引入沒有明顯改善

基于收益率和換手率序列的模型具有很強(qiáng)的識(shí)別真假序列的能力，表明市場(chǎng)上的價(jià)格序列包含非隨機(jī)特征。將收益率序列和周轉(zhuǎn)率序列分開測(cè)試，發(fā)現(xiàn)基于收益率序列的模型識(shí)別效果差，召回率低；基于離職率序列的模型識(shí)別效果較好。因此推測(cè)價(jià)格序列的主要信息來(lái)源于周轉(zhuǎn)率，而收益率包含的信息較少或者難以提取。進(jìn)一步嘗試通過技術(shù)指標(biāo)提取收益率信息，發(fā)現(xiàn)DIF、MACD、PSY指標(biāo)的引入并沒有顯著提高識(shí)別效果。所以推測(cè)這些基于價(jià)格的技術(shù)指標(biāo)帶來(lái)的增量信息是有限的。

單純以價(jià)格為基礎(chǔ)的技術(shù)分析的可靠性值得懷疑，數(shù)量可能比價(jià)格更有用。本研究的檢驗(yàn)結(jié)果表明，周轉(zhuǎn)率序列具有可識(shí)別特征，CNN模型在外推時(shí)間間隔內(nèi)仍具有良好的識(shí)別性能；而基于收益率序列的CNN模型無(wú)法識(shí)別真假序列。換句話說，基于數(shù)量的技術(shù)分析可能是合理的，而僅僅基于價(jià)格的技術(shù)分析的可靠性是值得懷疑的，所以數(shù)量可能比價(jià)格更有用。價(jià)格、收益率或基于價(jià)格的技術(shù)指標(biāo)中包含的信息可能有限，可能需要與周轉(zhuǎn)率、成交量或其他基于成交量的技術(shù)指標(biāo)結(jié)合使用。

神經(jīng)網(wǎng)絡(luò)的Grad-CAM可視化:模型識(shí)別依賴于局部特征。采用Grad-CAM方法對(duì)基于周轉(zhuǎn)率序列的CNN模型識(shí)別過程進(jìn)行可視化。連續(xù)實(shí)序列的熱圖顯示出明顯的連續(xù)平移跡象，表明該模型對(duì)真假序列的識(shí)別主要來(lái)自于對(duì)周轉(zhuǎn)率序列局部特征的識(shí)別。結(jié)合Grad-CAM熱圖和一些真實(shí)的換手率序列，發(fā)現(xiàn)CNN模型能夠提取連續(xù)高換手率和大幅降低換手率的局部特征?？偟膩?lái)說，對(duì)模型的識(shí)別機(jī)制和特征提取方法還缺乏深入了解，難以直觀解釋，需要進(jìn)一步研究。

風(fēng)險(xiǎn)提示:真假價(jià)格序列識(shí)別的研究是對(duì)市場(chǎng)規(guī)律的探索，不構(gòu)成任何投資建議?；谥苻D(zhuǎn)率序列的卷積神經(jīng)網(wǎng)絡(luò)模型可以有效識(shí)別真假序列，并不意味著周轉(zhuǎn)率等成交量相關(guān)指標(biāo)可以直接應(yīng)用于投資。機(jī)器學(xué)習(xí)模型是歷史規(guī)律的總結(jié)。如果市場(chǎng)規(guī)律發(fā)生變化，這種模式可能會(huì)失敗。

來(lái)源:金融網(wǎng)站