机器学习系列：深度探秘K线结构新维度

传统上 α、δ、μ、ε 这4个参数是由最大似然法来估计得出。由于这种方式在稳定性及敏感性上不够理想，同时在数值计算的过程中也容易碰到各种问题，因此其它估计PIN值的方式也在不断被研究与改进。在这些研究里，Easley,Engle,O’Hara和Wu在2008年的论文中论证了：

• 测试算法：逻辑回归、支持向量机、随机森林

• 测试标的：测试池内所有股票逐一测试

• 训练集区间：2013-1-1 ~ 2016-12-31

• 测试集区间：2017-1-1 ~ 2017-12-31

通过观察测试集的准确率，可以发现3种算法都有一定的预测效果，不同股票稍有差异，整体准确率平均在65%左右。比较不同K线结构上的差异，时间K线结构的预测准确率在所有测试的机器学习算法上都是最低的。在逻辑回归与支持向量机模型上，Tick等分K线、成交量K线与成交额K线的预测准确性相差不大；而随机森林算法波动预测模型则明显在成交量K线上有更好的预测结果，但相比与逻辑回归与支持向量机，其Tick等分K线、成交额K线与时间K线的预测效果差异较小。整体来看，波动率改变方向预测在成交量K线上的预测效果最佳。

波动率方向预测模型里有两个参数，一个是K线等价频率，一个是波动率（及输入变量）K线窗宽。为了确定其它参数下我们之前观察到的不同K线上效果差异是否还存在，以及差异大小与参数之间是否有联系，我们也测试了其它参数对下的波动预测模型效果。

不同算法模型在参数测试时表现出许多共性特征：

1.    对于所有等价频率与K线结构上，模型的预测准确率基本上都随着窗宽边长而降低。这个可以理解为随着窗宽拉长，所需要预测的未来信息变得更多，其难度也相应增大。

2.    时间K线与非时间K线结构在模型上的表现差异随着等价频率的降低而缩小。在60分钟频率上不同K线结构上的预测效果差异很小。也就是说对于一些机器学习算法，K线结构不同的影响的确更多是在偏高频的领域更为显著，而在偏低频的结构上差异不会很大。

3.    最后，在等价频率较低的30分钟及60分钟频率上，非时间K线模型准确率在窗宽参数上的衰减速率要高于时间K线模型。

不同算法模型的差异则在于：

对数据分布要求更高的逻辑回归与支持向量机算法，高频场景下模型运用在时间K线与非时间K线上，效果有明显差异；而在随机森林算法下这种差异则并不突出。

篇幅原因这里我们在下方展示逻辑回归算法的参数检验，具体的测试数据及其它算法的表现结构可详见深度报告文后附录。