樸素貝葉斯公式簡介與應用

摘要： 簡介樸素貝葉斯並以此做為交易策略進行回測

一、樸素貝葉斯

樸素貝葉斯中的樸素一詞的來源就是假設各特徵之間相互獨立。這一假設使得樸素貝葉斯算法變得簡單，但有時會犧牲一定的分類準確率。

首先，貝葉斯公式為 

換成分類任務表達示則是

我們最終求的P（類別|特徵）即可就相當於完成了我們的任務！

二、樸素貝葉斯的優缺點

優點： （1）算法邏輯簡單，易於實現（算法思路很簡單，只要使用貝葉斯公式轉化即可！） （2）分類過程中時空開銷小（假設特徵相互獨立，只會涉及到二維存儲）

缺點： 樸素貝葉斯假設屬性之間相互獨立，這種假設在實際過程中往往是不成立的。在屬性之間相關性越大，分類誤差也就越大

三、樸素貝葉斯的實測

本文將通過股票的產業，市值，動量這三個維度的數據，利用伯努利分類器來預測下一日的漲跌幅情況，買入大概率會上漲的股票，看看這樣的策略效果如何。 具體一點就是：利用i 日的特徵和i + 1的的標籤（收益率大於零）訓練分類器，再利用i + 1日的特徵預測i + 2日的標籤，買入收益率大於零的股票。

可以看出，策略擁有相當不錯的收益率，達到了77.67％，但是波動率和最大回撤也都在40％以上。 盈虧程度相當，勝率接近60％，也就是說總體而言預測正確的概率約為60％，還是不錯的。 但是也存在很大的問題：每日換倉將導致巨大的手續費，這點是沒有考慮的。

轉貼自： Uqer

轉貼自： CDSN

版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。

若喜歡本文，請關注我們的臉書 Please Like our Facebook Page： Big Data In Finance