[发明专利]一种多趋势指标结合与自适应择时的组合优化系统和方法

说明书

本发明涉及一种多趋势指标结合与自适应择时的组合优化方法，包括以下步骤：输入资产，得到价比向量和资产组合向量；根据价比向量和资产组合向量得到财富因子的累乘形式；利用三种趋势表达指标表示预测价；将预测价与投资期中的最高价格复合，得到趋势指标；根据趋势指标选出径向基函数的自适应输入；通过自适应输入，计算出径向基函数的投资组合增量；根据投资组合增量建立资产选择模型，获得下一期预测的资产组合。把三种趋势趋势表达指标结合在一起，并对股票进行自适应择时，在价格看涨时动态加入最高价格指标；运用径向基函数算法处理正则化项；与现有的资产配置算法进行了横向对比，交易费损耗在承受范围内，适用于真实的金融数据集和市场。

技术领域

本发明涉及机器学习领域，更具体地，涉及一种多趋势指标结合与自适应择时的组合优化系统和方法。

背景技术

现有技术中，一般先估计下一期的价比再据此设定下一期的资产组合目前最先进的技术为“在线滑动平均值反转准则”(OLMAR)和“具有自适应输入函数的径向基和复合趋势表示准则”(AICTR)。

首先，OLMAR使用滑动平均数来估计

其中w为时间窗口宽度。因此，如果以该作为参照指标对下一期的资产组合进行更新，将会增大对于表现差的资产的投入，从而实现一种均值反转的效果。

估计出后，OLMAR使用如下算法更新资产组合：

其中，(·)⁺表示取正部，||·||表示欧氏范数。最后，为了获得合法的资产组合，还要把b_t+1投影到单纯型上：

在AICTR中，作者使用简单移动平均(SMA)，指数移动平均(EMA)以及最高价追踪(PP)这三种指标进行复合，进而获得一种新的趋势表达。三种指标的表达式如下：

首先把不同的趋势表示在最近的时间窗口内回测，找出每种趋势的最低的增长因子。接着选择增长因子最高的趋势表示，即可获得近期在最差经济环境下表现最好的自适应输入。

接下来是一种RBF系统，表达式如下：

φ＝[φ₁，φ₂，...，φ_t]^r

其中Δb_t+1是下一期资产组合的更新量，用作RBF系统的权重矩阵。则是用来量化自适应输入和第l种趋势表示的相似度。随着时间的推移，自适应输入在不同趋势表示之间切换，以适应市场状态。

Φ＝dlog(φ)，

s.t.b∈Δ_d，∈＞0

其中是迹算子，B包含b的L个副本，Φ是由构成的对角矩阵，并且是L个不同的趋势表示。1_(L)是L维元素为1的向量。约束b迫使它成为一个投资组合与(当前投资组合)相距为∈。

但是，上述现有技术在应用过程中存在着以下几个缺点：第一，没有完善的收益率计算模块，无法准确提取收益率信息。第二，公式中，当时，相当于没有更新资产组合，会错失再次更新资产组合以获取更大收益的机会。第三，趋势表达指标的结合的方式没有考虑到指标的选取与股票价格之间的关系，无论股票价格之间如何变化，指标的结合方式都没有发生变化。