第14章曲面套利策略九

机器学习在曲面套利中的应用

各位同学，今天我们来聊一个我特别感兴趣的话题——用机器学习预测曲面变动。说实话，我刚入行那会儿，曲面套利全靠手工盯盘，眼睛都快盯瞎了。后来我发现，很多曲面形态的演变其实是有规律可循的，只是人脑处理不了那么高维的信息。这时候，机器学习就派上用场了。

核心思路：把曲面变动看作一个时序预测问题。我们用历史数据训练模型，让它学会识别哪些特征组合会引发曲面形态的变化，然后提前布局套利策略。

为什么选随机森林和XGBoost？

你可能要问：深度学习不是更火吗？嗯，这里要注意。在曲面套利这个场景里，我们通常面临的是中等规模的结构化数据（几百个特征，几万到几十万条样本）。随机森林和XGBoost在这种场景下有几个天然优势：

可解释性强——你能看到每个特征的重要性排序，这对理解市场驱动因素至关重要
对异常值鲁棒——期权数据里经常有报价错误或流动性不足导致的异常点，树模型不太受这些影响
训练速度快——我经常需要盘中快速重训模型，XGBoost几秒钟就能搞定
不需要大量调参——默认参数往往就能给出不错的结果

我的经验：曾经有一次我用LSTM做曲面预测，折腾了两周，效果还不如调好参数的XGBoost。从那以后，我养成了一个习惯——先用树模型快速验证可行性，再考虑要不要上深度学习。

特征工程——这才是核心

模型选好了，但真正决定成败的是特征工程。我个人习惯把特征分成三大类：

特征类别	具体特征	说明
曲面形态特征	各期限ATM IV、偏斜斜率、曲率、期限结构斜率	描述当前曲面的形状
标的资产特征	价格、收益率、波动率、成交量、持仓量	反映标的物状态
市场微观结构	买卖价差、深度、订单流不平衡、VIX指数	捕捉市场情绪和流动性

举个例子，我发现在市场恐慌时，偏斜斜率会急剧变大，而且这种变化往往在标的物大跌之前就已经开始了。所以我把偏斜斜率的一阶差分和二阶差分都作为特征加入模型。

避坑指南：我曾经犯过一个错误——把未来信息混进了特征里。比如用t+1时刻的标的物价格去预测t时刻的曲面变动。这种数据泄露会让模型在回测中表现完美，但实盘一塌糊涂。切记，所有特征必须是在预测时刻已知的。

标签设计——预测什么？

预测目标的选择直接影响策略效果。我试过几种不同的标签设计：

直接预测IV变动——预测每个期限-行权价格点的IV变化量
预测曲面主成分——先对曲面做PCA降维，然后预测前几个主成分的变动
分类标签——预测曲面形态会变陡峭还是变平坦，或者维持不变

我个人最常用的是第二种。为什么呢？因为曲面有几十个格点，直接预测每个点的变动，模型要学的东西太多，容易过拟合。而主成分分析能把曲面压缩成3-5个因子，分别对应水平、偏斜和曲率，预测起来就稳多了。

代码实战——一个完整的流程

下面我给出一个简化版的实现框架。实际生产中，你还需要加入数据清洗、特征筛选、模型调优等步骤。

import pandas as pd
import numpy as np
from sklearn.ensemble import RandomForestRegressor
from sklearn.decomposition import PCA
from sklearn.model_selection import train_test_split
import xgboost as xgb

# 1. 加载曲面数据（假设已经计算好IV曲面）
# 数据格式：每行是一个时间点，列是不同期限-行权价的IV
df_surface = pd.read_csv('surface_data.csv')

# 2. PCA降维
pca = PCA(n_components=3)
surface_pca = pca.fit_transform(df_surface.values)
# 前3个主成分的解释方差比
print(f"解释方差比: {pca.explained_variance_ratio_}")

# 3. 构建特征矩阵
# 假设我们有100个特征
features = pd.read_csv('features.csv')
# 标签：预测未来5分钟的主成分变动
labels = np.diff(surface_pca, axis=0)[5:]  # 未来5分钟的变化
features = features[:-5]  # 对齐时间

# 4. 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(
    features, labels, test_size=0.2, shuffle=False
)

# 5. 训练随机森林
rf = RandomForestRegressor(
    n_estimators=200,
    max_depth=10,
    min_samples_leaf=5,
    random_state=42
)
rf.fit(X_train, y_train)

# 6. 训练XGBoost
xgb_model = xgb.XGBRegressor(
    n_estimators=200,
    max_depth=6,
    learning_rate=0.1,
    subsample=0.8,
    colsample_bytree=0.8
)
xgb_model.fit(X_train, y_train)

# 7. 特征重要性分析
importance_df = pd.DataFrame({
    'feature': features.columns,
    'importance': rf.feature_importances_
}).sort_values('importance', ascending=False)
print(importance_df.head(10))

小技巧：我习惯同时训练随机森林和XGBoost，然后取它们的预测均值作为最终结果。这种简单的集成方法往往比单个模型更稳定，尤其是在市场结构发生变化的时期。

策略执行流程

有了预测模型，怎么把它转化成套利策略呢？我画了一张流程图，帮你理清整个逻辑：

模型评估与回测

模型训练好了，怎么知道它有没有用？我一般从三个维度来评估：

预测精度——看RMSE和MAE，但更重要的是看方向准确率（预测的变动方向是否正确）
策略收益——把预测信号转化成交易策略，看夏普比率、最大回撤等指标
稳定性——在不同市场环境下（牛市、熊市、震荡市）分别测试，看模型是否稳健

一个重要的经验：我见过太多人只盯着预测精度，结果模型在回测里表现很好，实盘却亏得一塌糊涂。为什么？因为预测精度高不代表能赚钱。比如你预测IV会上升0.1%，但实际只上升了0.05%，方向对了但幅度不够，套利交易可能还是亏钱的。所以我建议你直接以策略收益作为模型优化的目标函数。

常见陷阱与应对

最后，分享几个我在实战中踩过的坑：

过拟合——树模型很容易过拟合，尤其是特征数量多的时候。我习惯用早停法和交叉验证来控制。
市场结构变化——2020年3月的波动率暴涨让很多模型失效。我的做法是加入市场状态识别模块，在不同市场状态下使用不同的模型。
交易成本——曲面套利的交易成本往往被低估。买卖价差、滑点、保证金占用，这些都会吃掉利润。模型预测的信号必须经过成本过滤才能执行。

我的习惯：每次模型更新后，我都会用过去3个月的数据做一次滚动回测，看看模型在不同时间段的表现是否一致。如果某段时间表现特别差，我会去分析那段时间的市场特征，看看是不是有什么新的模式没有被模型捕捉到。

好了，关于机器学习在曲面套利中的应用，今天就聊到这里。记住，模型只是工具，真正决定成败的是你对市场的理解和对风险的敬畏。下次我们聊聊如何把这些预测信号组合成一个完整的套利策略。

📚 课程目录

机器学习在曲面套利中的应用

为什么选随机森林和XGBoost？

特征工程——这才是核心

标签设计——预测什么？

代码实战——一个完整的流程

策略执行流程

模型评估与回测

常见陷阱与应对