1. 首页>人工智能 >正文

一个在量化投资中发现新阿尔法的学习框架

Alpha 是股票预测模型,可生成买入或卖出股票的触发器。在这个领域,现有的人工智能方法超越了人类创造的阿尔法。当前的方法仅利用短期特征或非常复杂。

一篇新的研究论文提出了一类新的阿尔法,它结合了现有阿尔法的优点。它们具有简单性和泛化能力,可以使用长期特征。

此外,还提出了一种新颖的 alpha 挖掘框架。它使用进化算法,其中迭代更新种群以生成更好的 alpha。提出了一种修剪冗余阿尔法的优化技术来加速阿尔法挖掘。该方法成功地生成了具有弱相关高回报的 alpha。一项使用纳斯达克股票价格数据的实验研究表明,该模型为投资者提供了一种低风险高回报投资的自动解决方案。

Alpha 是捕捉股票市场交易信号的股票预测模型。一组有效的阿尔法可以产生弱相关的高回报以分散风险。现有的 alpha 可以分为两类: 公式 alpha 是标量特征的简单代数表达式,因此可以很好地泛化并被挖掘为弱相关集。机器学习 alpha 是基于向量和矩阵特征的数据驱动模型。它们比公式 alpha 更具预测性,但太复杂而无法挖掘到弱相关集。在本文中,我们引入了一类新的 alpha 来对标量、向量和矩阵特征进行建模,这些特征具有这两个现有类的优点。新的 alpha 以高精度预测回报,并且可以挖掘到弱相关集。此外,我们提出了一种基于 AutoML 的新型 alpha 挖掘框架,称为 AlphaEvolve,以生成新的 alpha。为此,我们首先提出了用于生成新 alpha 并有选择地注入关系领域知识来建模股票之间关系的运算符。然后,我们通过提出一种冗余 alpha 修剪技术来加速 alpha 挖掘。实验表明,AlphaEvolve 可以将初始 alpha 演化为具有高回报和弱相关性的新 alpha。

标签:

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢