我們能否運用下列方法，為 CTA 策略建立監督式學習模型？

• 依時間順序切分資料
  • 防止資料洩漏，並模擬正確的回測
• 隨機上採樣（非合成）
  • 處理類別不平衡
• 透過集成樹演算法進行特徵轉換的建模

主要任務輸入：

• 日期
  • 驗證期起始日
  • 保留期起始日
  • 保留期結束日
• 最佳化指標（準確率 Accuracy、精確率 Precision、召回率 Recall、F1、負對數損失 Neg Log Loss）
• 訓練頻率（年、季、月、日）

輸出：

• 多頭或空頭的預測訊號
• 驗證期與保留期的彙總指標
• 驗證期與保留期的混淆矩陣
• 最終確定的模型超參數

• 依時間順序將資料切分為訓練／驗證／保留三部分
• 假設回測時以固定時間間隔重新訓練模型
  • 每年
  • 每季
  • 每月
  • 每日
• 驗證期：
  • 此期間的預測會被評分，並用於超參數調校
• 保留期：
  • 此期間的預測會被記錄，但不用於任何調校

• 訊號建模屬於二元分類問題
• CTA 資產的訊號往往極不平衡（比例約為 1:4）
  • 直接套用 ML 模型，大多數時候會預測為多數類別
• 方法
  • 對少數類別進行非合成的隨機上採樣，使比例達到 1:1
  • 上採樣以可重現的隨機種子實作

模型架構

• 輸入 -> 特徵轉換（FT）集成樹模型 -> 獨熱編碼（One Hot Encoding） -> 最終預測模型

FT 集成樹模型：

• 使用監督式學習的集成樹演算法進行特徵轉換
• 方法：
  • 先以訓練資料進行訓練（且從不接觸測試資料）
  • 之後作為特徵轉換步驟使用，其中：
    • 將預處理後的資料輸入模型
    • 每棵樹的葉節點作為下一個模型的輸入特徵
• 有助於捕捉資料中的非線性關係，同時發揮某種正則化的作用

最終預測模型：

• 最先進的梯度提升樹演算法
• 接收上一層經特徵轉換並進行獨熱編碼的資料，執行二元分類預測

精確率（Precision） = (𝑻𝒓𝒖𝒆 𝑷𝒐𝒔𝒊𝒕𝒊𝒗𝒆)/(𝑷𝒓𝒆𝒅𝒊𝒄𝒕𝒆𝒅 𝑷𝒐𝒔𝒊𝒕𝒊𝒗𝒆)，即真陽性除以預測陽性，針對每種訊號部位（多頭／空頭）在驗證期與保留期的合併預測計算

圖表 1：精確率直方圖：

• 30 項資產 x 2 種訊號部位 = 60
• 平均值 = 0.299
• 眾數介於 0.30 至 0.35 之間

圖表 2：各資產的精確率長條圖

• 每項資產有兩個精確率數值（每種訊號部位各一個）
• 大多數資產在兩種訊號部位上的精確率結果相近