20130603-浙商证券-基于最近邻法的模式识别_13页_1mb

报告摘要

基于最近邻法的模式识别总结

核心内容

本报告探讨了基于最近邻法（KNN）的模式识别方法在股票市场中的应用。主要分析了两种模式识别方式：基于K线形态和基于技术指标，并提出了三种改进方法以优化策略表现，包括增加阀值、增加止损和降低交易频率。

主要观点

K线形态的最近邻法：
- 通过匹配最近5个交易日的K线形态（包括开、高、低、收及均线乖离率）来判断后市走势。
- 单边交易年化收益率可达20%以上，准确率在55%以上，但最大回撤较高，达到30%左右。
- 双边交易年化收益可达30%~40%，准确率约为53%，但最大回撤仍高于30%。
- K值对策略表现影响较大，当K值增加时，收益率迅速下降。
- 在2008年大熊市中表现较好，但在2006年和2009年牛市中表现较差。
技术指标的最近邻法：
- 采用更具综合性的技术指标（如RSI、K、ΔK、r、V）进行模式识别，以减少K线指标过多带来的“维灾难”问题。
- 单边交易年化收益可达30%，最大回撤降至22%左右，双边交易年化收益可达50%以上，但最大回撤仍高于30%。
- 通过增加阀值、止损和降低交易频率三种方法进行优化，有效降低了最大回撤。
- 自适应最近邻法在阀值为0.62时，单边交易年化收益为25.7%，最大回撤为11.9%，风险收益比达到2.2。
- 双边交易在阀值为0.55时，年化收益为51.4%，最大回撤为17.4%，风险收益比达到3。
“维灾难”问题及降维处理：
- 在高维空间中，KNN法容易出现“维灾难”，即邻域样本与目标样本距离过远，导致偏倚增大。
- 通过降维，将25个K线指标简化为10个，但降维后的效果仍不稳定，且非线性降维方法效果不佳。
- 周数据的使用可以有效降低交易频率，采用5个技术指标进行匹配，单边交易年化收益达28.7%，最大回撤降至15.7%，交易次数减少至9.4次/年。
交易策略的稳定性与风险控制：
- 基于K线形态的策略表现不稳定，最大回撤较高。
- 技术指标的策略表现更稳定，尤其在增加阀值和止损后，风险收益比显著提高。
- 降低交易频率的策略更适合机构投资者，能够有效减少交易成本并提升稳定性。

关键信息

K线形态：包括开、高、低、收及均线乖离率等25个指标，用于识别上涨或下跌形态。
技术指标：包括RSI（14）、K（14）、ΔK、r（最近一个交易日的收益率）、V（成交量变化）等5个指标，用于综合判断市场走势。
改进方法：
- 增加阀值：当上涨概率接近50%时，不进行交易，降低误判风险。
- 增加止损：在双边交易中，设置0.5%或1%止损，减少回撤。
- 降低交易频率：采用周数据进行匹配，减少交易次数，提高策略稳定性。
风险收益比：
- 单边交易最高为2.2（25.7% / 11.9%）。
- 双边交易最高为3（51.4% / 17.4%）。
夏普比率：单边和双边交易的夏普比率均接近2倍。
应用建议：
- 单边交易适用于择时交易或套保。
- 双边交易适用于股指期货，但需注意风险。
- 本方法更适合沪深300股指期货，因其交易频率较高，且需做空。