0%
💡 왼쪽 원문을 읽으면서 오른쪽에 따라 써보세요. Tab 키로 힌트를 받을 수 있습니다.
- 1. 金融数据采集与预处理
- 2. 技术分析自动化
- 3. ML 交易策略：XGBoost 阿尔法因子
- 4. 金融深度学习：LSTM 与 Temporal Fusion Transformer
- 5. LLM for Finance：FinBERT 情感分析
- 6. 风险管理：VaR、CVaR 与凯利公式
- 7. 回测：用 Vectorbt 验证策略
- 测验
1. 金融数据采集与预处理
量化交易的起点是数据。除了 OHLCV（开盘价·最高价·最低价·收盘价·成交量）之外，订单簿快照、逐笔数据（tick data）、新闻与卫星图像等另类数据的应用范围也在不断扩展。
用 yfinance 下载股票数据
import yfinance as yf
import pandas as pd
# 批量下载多个标的的日线 OHLCV 数据
tickers = ["AAPL", "MSFT", "GOOGL", "NVDA"]
df = yf.download(tickers, start="2020-01-01", end="2026-01-01", auto_adjust=True)
# 将 MultiIndex 转换为按标的划分的单一 DataFrame
close = df["Close"]
volume = df["Volume"]
# 缺失值处理：前向填充后删除首个日期之前的行
close = close.ffill().dropna()
print(close.tail())
用 ccxt 采集加密货币订单簿
import ccxt
import time
exchange = ccxt.binance()
symbol = "BTC/USDT"
orderbook = exchange.fetch_order_book(symbol, limit=20)
bids = orderbook["bids"][:5] # [价格, 数量] 前 5 档买单
asks = orderbook["asks"][:5] # [价格, 数量] 前 5 档卖单
mid_price = (bids[0][0] + asks[0][0]) / 2
spread_bps = (asks[0][0] - bids[0][0]) / mid_price * 10000
print(f"Mid: {mid_price:.2f}, Spread: {spread_bps:.2f} bps")
另类数据：新闻标题采集
新闻、社交媒体数据能提供结构化数据无法捕捉的自然语言阿尔法（Natural Language Alpha）。
import requests
from datetime import datetime, timedelta
API_KEY = "YOUR_NEWSAPI_KEY"
yesterday = (datetime.today() - timedelta(days=1)).strftime("%Y-%m-%d")
url = (
f"https://newsapi.org/v2/everything"
f"?q=NVIDIA+earnings&from={yesterday}&sortBy=publishedAt"
f"&language=en&apiKey={API_KEY}"
)
resp = requests.get(url).json()
headlines = [art["title"] for art in resp.get("articles", [])]
print(headlines[:5])
2. 技术分析自动化
借助 TA-Lib 与 pandas-ta，只需一行 Python 代码就能计算数百种技术指标。
RSI / MACD 计算
import talib
import numpy as np
import yfinance as yf
df = yf.download("AAPL", start="2023-01-01", end="2026-01-01", auto_adjust=True)
close = df["Close"].squeeze().values.astype(float)
# RSI（14 日）
rsi = talib.RSI(close, timeperiod=14)
# MACD
macd, signal, hist = talib.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)
# pandas-ta 方式（无需 TA-Lib）
import pandas_ta as ta
df_ta = df["Close"].squeeze().to_frame("close")
df_ta.ta.rsi(length=14, append=True)
df_ta.ta.macd(fast=12, slow=26, signal=9, append=True)
print(df_ta.tail())
形态识别：蜡烛图
# TA-Lib 蜡烛图形态识别示例
open_p = df["Open"].squeeze().values.astype(float)
high_p = df["High"].squeeze().values.astype(float)
low_p = df["Low"].squeeze().values.astype(float)
close_p = df["Close"].squeeze().values.astype(float)
hammer = talib.CDLHAMMER(open_p, high_p, low_p, close_p)
engulfing = talib.CDLENGULFING(open_p, high_p, low_p, close_p)
morning_star = talib.CDLMORNINGSTAR(open_p, high_p, low_p, close_p)
# 100 或 -100（检测到强势/弱势形态），0 为不适用
print("Hammer signals:", (hammer != 0).sum())
3. ML 交易策略：XGBoost 阿尔法因子
特征工程
import pandas as pd
import numpy as np
import yfinance as yf
import pandas_ta as ta
df = yf.download("SPY", start="2018-01-01", end="2026-01-01", auto_adjust=True)
df.columns = df.columns.droplevel(1) if df.columns.nlevels > 1 else df.columns
df.columns = [c.lower() for c in df.columns]
# 收益率特征
df["ret_1d"] = df["close"].pct_change(1)
df["ret_5d"] = df["close"].pct_change(5)
df["ret_20d"] = df["close"].pct_change(20)
# 波动率特征
df["vol_20d"] = df["ret_1d"].rolling(20).std()
# 技术指标特征
df.ta.rsi(length=14, append=True)
df.ta.macd(fast=12, slow=26, signal=9, append=True)
df.ta.bbands(length=20, append=True)
# 成交量特征
df["vol_ratio"] = df["volume"] / df["volume"].rolling(20).mean()
# 目标：未来 5 日收益率符号（1：上涨，0：下跌）
df["target"] = (df["close"].pct_change(5).shift(-5) > 0).astype(int)
df.dropna(inplace=True)
print(df.shape)
用 Walk-Forward 验证训练 XGBoost
from xgboost import XGBClassifier
from sklearn.metrics import accuracy_score, roc_auc_score
import warnings
warnings.filterwarnings("ignore")
feature_cols = [
"ret_1d", "ret_5d", "ret_20d", "vol_20d",
"RSI_14", "MACD_12_26_9", "MACDs_12_26_9",
"BBL_20_2.0", "BBM_20_2.0", "BBU_20_2.0",
"vol_ratio"
]
target_col = "target"
# Walk-Forward：1 年训练 → 3 个月测试滑动
results = []
train_years = 2
test_months = 3
dates = df.index
start_year = dates[0].year + train_years
for year in range(start_year, 2026):
for q in range(1, 5):
train_end = pd.Timestamp(f"{year}-{(q-1)*3+1:02d}-01") if q > 1 else pd.Timestamp(f"{year}-01-01")
test_start = train_end
test_end = test_start + pd.DateOffset(months=test_months)
train_df = df[df.index < test_start].tail(504) # 约 2 年的数据量
test_df = df[(df.index >= test_start) & (df.index < test_end)]
if len(train_df) < 100 or len(test_df) < 10:
continue
X_train, y_train = train_df[feature_cols], train_df[target_col]
X_test, y_test = test_df[feature_cols], test_df[target_col]
model = XGBClassifier(n_estimators=200, max_depth=4,
learning_rate=0.05, subsample=0.8,
eval_metric="logloss", random_state=42)
model.fit(X_train, y_train)
preds = model.predict(X_test)
proba = model.predict_proba(X_test)[:, 1]
acc = accuracy_score(y_test, preds)
auc = roc_auc_score(y_test, proba)
results.append({"period": str(test_start.date()), "acc": acc, "auc": auc})
result_df = pd.DataFrame(results)
print(result_df.tail(8))
print(f"\n平均 AUC: {result_df['auc'].mean():.4f}")
4. 金融深度学习：LSTM 与 Temporal Fusion Transformer
LSTM 股价预测
import numpy as np
import torch
import torch.nn as nn
from sklearn.preprocessing import MinMaxScaler
# 准备数据（对收盘价做归一化）
scaler = MinMaxScaler()
scaled = scaler.fit_transform(df[["close"]].values)
SEQ_LEN = 60
def make_sequences(data, seq_len):
X, y = [], []
for i in range(len(data) - seq_len):
X.append(data[i:i+seq_len])
y.append(data[i+seq_len])
return np.array(X), np.array(y)
X, y = make_sequences(scaled, SEQ_LEN)
split = int(len(X) * 0.8)
X_train, X_test = X[:split], X[split:]
y_train, y_test = y[:split], y[split:]
X_train_t = torch.tensor(X_train, dtype=torch.float32)
y_train_t = torch.tensor(y_train, dtype=torch.float32)
class LSTMModel(nn.Module):
def __init__(self, input_size=1, hidden_size=64, num_layers=2):
super().__init__()
self.lstm = nn.LSTM(input_size, hidden_size, num_layers, batch_first=True, dropout=0.2)
self.fc = nn.Linear(hidden_size, 1)
def forward(self, x):
out, _ = self.lstm(x)
return self.fc(out[:, -1, :])
model = LSTMModel()
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)
criterion = nn.MSELoss()
for epoch in range(30):
model.train()
pred = model(X_train_t)
loss = criterion(pred, y_train_t)
optimizer.zero_grad()
loss.backward()
optimizer.step()
if (epoch + 1) % 10 == 0:
print(f"Epoch {epoch+1}, Loss: {loss.item():.6f}")
FinRL 强化学习交易智能体（配置示例）
FinRL 是基于 OpenAI Gym 环境、用于训练股票交易强化学习智能体的框架。
# pip install finrl
from finrl.meta.env_stock_trading.env_stocktrading import StockTradingEnv
from finrl.agents.stablebaselines3.models import DRLAgent
import pandas as pd
# 已预处理为 FinRL 格式的金融数据
# 必需列：date, tic, open, high, low, close, volume + 技术指标
processed_df = pd.read_csv("processed_stock_data.csv")
# 环境设置
env_kwargs = {
"hmax": 100, # 最大持仓股数
"initial_amount": 100000, # 初始资金（美元）
"buy_cost_pct": 0.001, # 交易手续费 0.1%
"sell_cost_pct": 0.001,
"reward_scaling": 1e-4,
"state_space": 181,
"action_space": 30,
"tech_indicator_list": ["macd", "rsi_30", "cci_30", "dx_30"],
}
train_env = StockTradingEnv(df=processed_df, **env_kwargs)
# 训练 PPO 智能体
agent = DRLAgent(env=train_env)
model_ppo = agent.get_model("ppo")
trained_ppo = agent.train_model(
model=model_ppo,
tb_log_name="ppo_stock",
total_timesteps=50000
)
5. LLM for Finance：FinBERT 情感分析
FinBERT 是专为金融新闻、财报电话会议微调的 BERT 预训练模型，执行 Positive / Negative / Neutral 三分类。
from transformers import BertTokenizer, BertForSequenceClassification
import torch
import torch.nn.functional as F
model_name = "ProsusAI/finbert"
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertForSequenceClassification.from_pretrained(model_name)
model.eval()
def finbert_sentiment(texts):
inputs = tokenizer(texts, padding=True, truncation=True,
max_length=512, return_tensors="pt")
with torch.no_grad():
logits = model(**inputs).logits
probs = F.softmax(logits, dim=-1).numpy()
labels = ["positive", "negative", "neutral"]
return [
{"text": t, "label": labels[p.argmax()], "score": float(p.max())}
for t, p in zip(texts, probs)
]
headlines = [
"NVIDIA beats Q4 earnings estimates by 15%, raises guidance",
"Fed signals higher-for-longer rates amid sticky inflation",
"Apple reports record services revenue despite iPhone slowdown",
]
results = finbert_sentiment(headlines)
for r in results:
print(f"[{r['label'].upper():8s}] {r['score']:.3f} | {r['text']}")
财报摘要：数字/指引与文本语气分离分析
先把数字（EPS、营收）与指引数值单独解析出来，再用 FinBERT 对管理层的文本发言给出情感分数。把这两类信号结合起来，能生成比单纯文本分析更精确的阿尔法。
6. 风险管理：VaR、CVaR 与凯利公式
VaR / CVaR 计算
import numpy as np
import scipy.stats as stats
def calculate_var_cvar(returns, confidence=0.95):
"""
历史模拟法 VaR/CVaR 计算
returns：日收益率数组
"""
sorted_returns = np.sort(returns)
index = int((1 - confidence) * len(sorted_returns))
var = -sorted_returns[index]
cvar = -sorted_returns[:index].mean()
return var, cvar
daily_returns = df["close"].pct_change().dropna().values
var_95, cvar_95 = calculate_var_cvar(daily_returns, 0.95)
var_99, cvar_99 = calculate_var_cvar(daily_returns, 0.99)
print(f"VaR 95%: {var_95:.4f} ({var_95*100:.2f}%)")
print(f"CVaR 95%: {cvar_95:.4f} ({cvar_95*100:.2f}%)")
print(f"VaR 99%: {var_99:.4f} ({var_99*100:.2f}%)")
print(f"CVaR 99%: {cvar_99:.4f} ({cvar_99*100:.2f}%)")
主要风险指标对比表
| 指标 | 公式 | 特点 | 局限 |
|---|---|---|---|
| 夏普比率 | (Rp - Rf) / σp | 标准化的风险调整收益 | 对上行波动也施加惩罚 |
| 索提诺比率 | (Rp - Rf) / σd | 仅对下行波动施加惩罚 | 分母计算不直观 |
| 最大回撤（MDD） | 相对最高点的最大损失 | 捕捉极端损失 | 未反映恢复期 |
| VaR 95% | 下侧 5% 损失分位数 | 监管标准 | 低估尾部风险 |
| CVaR 95% | 超过 VaR 部分损失的期望值 | 反映尾部风险 | 对参数估计敏感 |
| 卡玛比率 | CAGR / MDD | 回撤对比下的成长性 | 不适合短期分析 |
凯利公式仓位管理
def kelly_fraction(win_rate, win_loss_ratio):
"""
f* = W - (1-W)/R
W：胜率，R：平均盈亏比
"""
return win_rate - (1 - win_rate) / win_loss_ratio
# 示例：胜率 55%，盈亏比 1.5
f_full = kelly_fraction(0.55, 1.5)
f_half = f_full * 0.5 # fractional Kelly（降低波动性）
print(f"Full Kelly: {f_full:.2%}")
print(f"Half Kelly: {f_half:.2%}")
之所以采用 fractional Kelly（通常为 0.25～0.5 倍）：实际胜率估计的误差很大，而 full Kelly 会低估破产概率，因此需要施加安全边际。
7. 回测：用 Vectorbt 验证策略
用 Vectorbt 做多空策略回测
import vectorbt as vbt
import pandas as pd
import yfinance as yf
# 加载数据
price = yf.download("SPY", start="2018-01-01", end="2026-01-01",
auto_adjust=True)["Close"].squeeze()
# 生成均线交叉信号
fast_ma = vbt.MA.run(price, 20)
slow_ma = vbt.MA.run(price, 60)
entries = fast_ma.ma_crossed_above(slow_ma)
exits = fast_ma.ma_crossed_below(slow_ma)
# 组合模拟
portfolio = vbt.Portfolio.from_signals(
price,
entries,
exits,
init_cash=100_000,
fees=0.001, # 手续费 0.1%
slippage=0.001, # 滑点 0.1%
freq="D",
)
# 输出绩效指标
stats = portfolio.stats()
print(stats[["Total Return [%]", "Sharpe Ratio", "Max Drawdown [%]",
"Win Rate [%]", "Profit Factor"]])
过拟合防范清单
回测出现过于乐观的结果时，必须检查以下项目：
| 偏差种类 | 原因 | 应对方法 |
|---|---|---|
| 前视偏差 | 用未来数据计算当前信号 | 检查 shift(-1)，复核特征生成时点 |
| 幸存者偏差 | 剔除已退市标的 | 使用完整的全量标的历史数据 |
| 优化偏差 | 样本内参数过拟合 | Walk-forward、WFO 测试 |
| 忽视市场冲击 | 忽视大额订单对价格的影响 | 滑点模型、成交量限制 |
| 低估交易成本 | 未反映实际点差/手续费 | 设置贴近实际的手续费与滑点 |
测验
Q1. 为什么 walk-forward 验证比 k-fold 交叉验证更适合金融时间序列？
答案：时间序列数据存在时间依赖性（temporal dependency），若像 k-fold 那样随机切分，会让未来数据混入训练集，产生前视偏差。
解析：Walk-forward 验证始终用过去的数据训练、用未来的数据测试，保持了时间顺序。而 k-fold 会让某些折（fold）内混入晚于测试时点的收益率作为训练数据，模型因此像是"记住"了未来信息，导致表现被夸大。金融时间序列存在自相关（autocorrelation）与体制转换（regime shift），因此必须使用保留时间顺序的验证方式。
Q2. 夏普比率的局限性，以及索提诺比率更适用的情形是？
答案：夏普比率把上行和下行波动同等地视为惩罚项，因此会对那些因收益高而波动大的策略给出不公平的低评分。
解析：索提诺比率把分母替换为下方标准差（downside deviation），只对投资者真正厌恶的、损失方向的波动施加惩罚。对于卖出期权、动量策略这类收益分布非对称、右尾较厚的策略，索提诺比率更适合用来评估。
Q3. 前视偏差（look-ahead bias）是如何让回测结果被乐观扭曲的？
答案：生成信号时，把那个时点其实还不存在的未来数据（当日收盘价、下一季度财报等）带入了特征或标签的计算，导致模型呈现出远高于实际水平的预测准确率。
解析：举例来说，如果用当日收盘价算出的 RSI 去触发同一天开盘价的成交信号，等于提前用到了实际交易中根本不可能知道的信息。常见原因还包括：pandas 里忘记处理 shift(-n)、rolling 统计的 min_periods 设置错误、指数移动平均把未来信息向前泄漏等。
Q4. Kelly Criterion 是仓位管理数学最优解的依据，以及为什么要用 fractional Kelly？
答案：凯利公式从数学上推导出能使长期期望对数收益（expected log return）最大化的下注比例。在 f* = W - (1-W)/R 这个公式中，W 是胜率，R 是盈亏比。
解析：凯利公式使几何平均增长率最大化，理论上能让资产以最快速度长期增值。但如果胜率、盈亏比的估计误差较大，过度的杠杆可能引发严重回撤。为弥补这一点，实务中通常使用相当于 full Kelly 的 25~50% 的 fractional Kelly，以降低破产风险、管理波动性。
Q5. 用 LLM 分析财报情感时，为什么要把数字/指引与文本语气分开分析？
答案：管理层经常一边公布亮眼的数字，一边对未来展望（指引）给出保守的说法；反过来，也常把糟糕的业绩用积极的措辞包装。混在一起分析时，信号就会被稀释。
解析：财报中包含三种信号：(1) EPS、营收等定量数字，(2) 未来指引数值，(3) 管理层发言的文本语气。FinBERT 等 LLM 擅长捕捉文本语气，但像「低于预期 10%」这种嵌入了数字的句子，文本模型可能会误判。把数字解析（regex / NLP 结构化）与文本情感分析分离开来再做集成，就能得到更强的自然语言阿尔法。
현재 단락 (1/251)
量化交易的起点是数据。除了 OHLCV（开盘价·最高价·最低价·收盘价·成交量）之外，订单簿快照、逐笔数据（tick data）、新闻与卫星图像等另类数据的应用范围也在不断扩展。
작성 글자: 0자원문 글자: 10,460자작성 단락: 0/251