基于朴素贝叶斯的量化交易策略研究

基于朴素贝叶斯的量化交易策略研究
摘要：量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术
从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大
地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下做出非理
性的投资决策。

本文通过对相关文献的调研，对贝叶斯定理、朴素贝叶斯方法进
行了阐释，介绍了有关的产业应用，并对其优劣势进行了简要分析。

关键词：量化交易；贝叶斯定理；朴素贝叶斯方法
1.贝叶斯定理
统计决策理论按是否抽取样本可分为先验和后验两种概率决策.先验概率决策所依据的先
验概率分布是根据以往积累的资料和经验估计所确定的，并认为现在总体仍维持着这样的概
率分布，即没有发生概率性的变化.正因如此，依先验概率做出的估计很难确切地反映事物的
当前状态.因而，我们说先验概率分布是决策不可缺少的，但不是充分的。

为取得更为完全的
信息，使估计更符合实际情况，就有必要对事物的当前状态进行一定的调查研究，获取直接
信息，用以对先验概率分布进行修正。

修正后的先验概率分布称为后验概率分布.因后验概率
分布用哲学家贝叶斯（Bayes）的名字命名，所以后验概率分布又称贝叶斯分布，据此进行的决策分析叫贝叶斯决策。

用获取的信息去修正先验概率及其分布要用到贝叶斯定理[1]。

2.朴素贝叶斯简介
通过对分类算法的比较研究发现，一种称作朴素贝叶斯分类的简单贝叶斯分类方法可以
与决策树甚至是经过挑选的神经网络分类算法相媲美。

朴素贝叶斯分类模型与其他方法相比
最大的优势在于它在接受大数据量训练和查询时所具备的高速度。

即使选用超大规模的训练集，针对每个项目通常也只会有相对较少的特征数，并且对项目的训练和分类也仅仅是针对
特征概率的数学运算而己。

此外，它对分类模型实际学习状况的解释相对简单。

在很多实际
问题中也证明了朴素贝叶斯模型的有效性，但是在有些实际应用中效果并不佳。

这是因为朴
素贝叶斯为了降低计算开销，假设条件属性之间是相互独立的，而这个假设明显是不能总成
朴素贝叶斯分类及其应用研究立的，这就可能会影响朴素贝叶斯分类模型的性能。

贝叶斯网
络分类器是另外一种基于贝叶斯定理的分类器。

贝叶斯网络是一种概率网络，用于表示变量
之间的依赖关系。

它是一种带有概率分布标注的有向无环图，能够图形化地表示一组变量间
的联合概率分布函数。

在贝叶斯分类两大分支的基础上，研究重点就集中在怎样通过怎样的
技术能从所有可能的网络结构中找出一个最有利的拓扑结构。

朴素贝叶斯忽略了属性之间的
依赖性，而贝什卜斯网络则可以体现任意属性之间的依赖程度。

但是，从数据中学习到最优
的网络结构己经被证明是一个问题，因此学习限制性的网络结构更为实际。

为了避免学习网
络结构的棘手的复杂度，学习改进的朴素贝叶斯吸引了很多研究者[2]。

贝叶斯分类方法基于贝叶斯定理，是一种统计学分类方法。

它们可以预测类别所属的概率。

对分类算法的比较研究可以发现，朴素贝叶斯分类算法在分类性能可以与决策树和神经
网络分类算法相媲美。

朴素贝叶斯分类假定一个属性对给定类的影响独立于其它属性的取值。

这一假定被称作类条件独立，它可以有效的减少计算量。

3.论文调研-基于贝叶斯分类法的股票选择模型
虽然股票市场是一个复杂的非线性系统，但未来的股票收益在一定程度上是可预测的。

股票市场的各种预测方法一直是人们关注的焦点，许多文献已对此进行了探讨，如骆烨等提
出了一种基于贝叶斯分类法的选股模型[3]。

首先根据美股特斯拉的表现对沪深证券市场的能
源股进行聚类分析，再构造股票投资价值分类模型，通过模糊聚类对样本的财务指标进行简化；然后用朴素贝叶斯分类方法构造了两模式分类器，将股票分成两类，经研究所选取股票
的等权投资组合的累计回报率优于基准回报率。

4.企业应用
目前，贝叶斯定理用于研究紧急事件下紧急救援物资的库存控制问题。

随着突发灾害的
预测，获得的信息越来越准确，确定了紧急物资分配决策，以贝叶斯风险为优化模型的目标。

有学者研究了飓风影响下单一供应商和零售商的库存控制问题，通过贝叶斯方法更新了飓风
强度信息，并以最优停止理论给出了最优库存，并在其中加入马尔可夫链来描述飓风需求分
布的变化，贝叶斯法用于更新库存模型。

该应用的优势在于建立了一种信息和成本之间的权衡，考虑了信息准确性的价值，给出了模型的最优解，为突发事件下的库存管理提供了科学
指导。

但是该应用也存在一定劣势，诸如难以对该决策中的权衡过程、决策准则、以及信息
的价值做出定量的详细分析。

此外，贝叶斯理论近年来被广泛应用于人工智能和数据挖掘中，是揭示条件概率分布和
客观事物因果关系的好工具。

贝叶斯网络理论基于贝叶斯定理，贝叶斯统计是先验信息收集，挖掘和处理的最重要特征，形成先验概率分布，以提高统计推断的准确性。

正是由于这种强
大的推理能力，已被广泛应用于可靠性分析等领域[4]。

例如，贝叶斯网络可用于分析动态故
障树并建立商业银行的风险预警。

同时，贝叶斯还可以使用变量关系预测来分析企业的业绩，并对决策提供支持[5]。

5.总结
伴随着我国证券市场的不断发展，量化交易成为证券交易市场上的新选择。

量化交易，
就是指将先进的数学模型来代替人为的主观判断，利用计算机技术去实现投资策略的过程。

企业或个人在进行交易或者扩大市场份额的同时必须加强对应市场风险的控制，与此同时也
需要更好的交易策略。

因此，越来越多的交易者选择了量化交易作为交易手段。

而通过贝叶
斯方法，交易者可以加强对一些风险或者不确定性事件的预测，以此能够达到更好的投资效果。

参考文献：
[1]辰子. 贝叶斯决策理论概述[J]. 中国统计，1990（1）：41-42.
[2]段晶. 朴素贝叶斯分类及其应用研究[D]. 大连海事大学.
[3]骆桦，张喜梅. 基于贝叶斯分类法的股票选择模型的研究[J]. 浙江理工大学学报，2015，33（3）：418-422.
[4]宋永涛，苏秦. 基于贝叶斯网络的质量管理实践对绩效的影响评价[J]. 系统工程理论与
实践，2011，31（8）：1440-1446.
[5]周忠宝，马超群，周经伦，等. 基于动态贝叶斯网络的动态故障树分析[J]. 系统工程理
论与实践，2008，28（2）：35-42.。