概述

本策略利用人工神经网络对未来价格变化进行预测,根据预测结果生成交易信号,属于趋势跟踪策略。策略优点是可以识别复杂的非线性趋势,适合中长线交易。但是也存在回测效果良好,实盘效果不佳的风险。

策略原理

该策略使用人工神经网络(ANN)预测未来一日的涨跌幅。

输入层只有一个输入节点,是过去一日的涨跌幅百分比。

隐含层包含2层,第一层有5个节点,第二层有33个节点,都使用双曲正切(tanh)作为激活函数。

输出层只有一个输出节点,经过线性激活函数后直接作为最终的预测结果。

如果预测结果大于threshold参数的值,则生成买入信号,如果小于负的threshold参数的值,则生成卖出信号。

策略优势

• 使用ANN模型进行预测,可以拟合复杂的非线性趋势
• 输入只使用一日的数据,不需要大量历史数据
• 可以识别更长时间尺度上的趋势
• 使用多个隐含层,拟合能力强
• 激活函数和参数经过优化,预测效果较好

策略风险

• ANN算法存在过拟合风险,实盘效果可能不如回测
• 需要较长的历史数据进行训练,不适合最近上市的股票
• 参数和结构需要反复优化,效果不稳定
• 只预测一日涨跌,无法判断长期趋势
• 当市场进入震荡期,效果可能会变差

优化方向

• 增加输入变量,如成交量等信息
• 尝试不同的ANN结构和激活函数
• 优化ANN的参数,提高拟合精度
• 增加训练集样本量,避免过拟合
• 预测多个时间尺度,判断长短期趋势
• combine with other models, ensemble learning
• 使用波动率等指标加强风险控制

总结

本策略利用ANN模型进行价格变化预测,可以识别复杂的非线性趋势,适合中长线交易。但是ANN模型的黑盒特性也给实盘带来很大挑战。我们需要从输入特征、模型结构、参数优化、 ensemble learning等方面进行优化,同时辅以传统技术分析指标加强操作效果,降低实盘风险。人工智能策略仍需与传统策略完美结合,才能发挥最大效果。