20140114-广发证券-另类交易策略之十三：基于统计语言模型（SLM）的择时交易研究1

报告探讨了基于统计语言模型（SLM）的择时交易策略在金融市场的应用。自然语言处理（NLP）是这一策略的基础，起源于阿兰·图灵的工作，并经历了从模仿人类思维到运用统计学方法的转变。统计语言模型在识别语言序列概率方面表现出色，而在这个交易策略中，它们被用来识别股票市场的涨跌趋势。 SLM在股市择时中的应用，是通过将历史行情数据转化为涨跌符号序列，然后根据过去的涨跌情况计算未来涨跌的概率。这类似于语音识别中选择最可能的句子过程，只不过这里的“语料库”是历史市场数据。通过分析这些序列，策略可以预测市场未来走向，从而做出买入或卖出的决策。 实证研究表明，选取1995年至2004年的数据作为初始语料库，2005年至2009年用于模型优化，确定最佳模型阶数为6。在交易策略中设置1%的止损幅度，当市场波动达到一定程度时，策略会触发止损机制，以控制潜在损失。在2005年至2013年的样本外测试中，策略累计收益率达到了1476.2%，年化收益率为80.3%，胜率为46.1%，最大回撤为-21.5%。相比之下，没有止损的择时策略虽然胜率更高，但最大回撤也更大。 综合考虑，报告建议在实际操作中采用带止损的交易模式，以平衡收益与风险。此外，报告还提到了其他几项相关研究，包括基于遗传规划的交易策略，日内突破模式和基于遗传算法的交易系统等，这些都表明了在金融交易中采用复杂算法和模型的普遍趋势。 这份报告揭示了如何利用统计语言模型进行金融市场的择时交易，通过历史数据预测未来的市场走势，并通过设定止损机制来控制风险。这种策略在样本外的测试中表现出了稳健的盈利能力，但也强调了风险管理的重要性。对于投资者和交易员来说，理解并运用这类模型可能会对投资决策提供有益的参考。