在金融市场中,股票价格的波动受到多种因素的影响,为了分析和预测股票价格的走势,投资者可以借助各种技术指标和分析方法。本文旨在通过建立机器学习模型策略对股票价格进行回测的分析,以帮助投资者评估和优化投资策略,从而减少投资风险。
选取了铭普光磁(SZSE.002902)股票,采用了贝叶斯优化调整xgboost模型的超参数,得到了最优的模型参数组合:colsample_bytree:0.8308;learning_rate:0.3443;gamma:0.2381;max_depth:4.0。最后测试集得到的精确度:0.53,效果相对一般,但也不错。
根据对测试集的预测结果进行策略买卖回测,增加了买卖交易的手续费---万一免五。一共进行了63次的买入和卖出,最后由初始资金100000元赚取到为179519.77元,共赚取了79519.77元。为了更好评估该模型回测的效果,计出夏普比率为15.6349,最大回撤为30.24%
这一研究对于股票策略的优化和改进具有一定的参考价值。回测结果仅仅是对过去一段时间的模拟,不能保证未来的表现。因此,在实际应用中,需要谨慎对待回测结果,并不断优化和调整策略。