首先利用多模型組合對黃金比特幣收盤價進行實時的短期預測，之后利用投資組合策略來確定每日貨幣的買入賣出持有比例。再是利用隨機因素進行最優規劃，確定該策略的最優性，最后進行靈敏度分析。最終確定策略為最優策略并且模型具有一定的魯棒性。最后制定投資策略將原資產從 1000 美元增長到 5 年后的 155521.73 美元

（假設中我們是設定比特幣和黃金是無限可細分的）

（假設忽略各種最高價最低價，只分析和預測最后的收盤價）

• 數據預處理：

有不能交易的日子，如何去除

不開盤的時候，是直接處理為0，在處理到協方差時（選擇前后兩點的均值）

數據預處理：

預留前4個月的觀察

（首先是考慮了時間序列，但是很少的時間去預測后面很長的時間擬合不好，舍棄）

基于長短期記憶(LSTM)和隨機森林的組合模型，根據已知的歷史數據，預測第二天的買入情況和收盤價變化。

LSTM：預測黃金比特幣的收盤價

? ? ? ?適合分析長期走勢的情況

? ? ? ?但是存在明顯的滯后形況，這種對我們買入賣出影響很大

隨機森林：判斷下一天的增減的形況和其對應概率

? ? ? ?以前5天來預測

（具體處理流程之后補）

所以就是利用LSTM來預測下一天的各種資產的具體收盤價，期望收益率

利用隨機森林來預測下一天的趨勢及概率，后可以用之組合來分析，收益風險，資產標準差

所建立的組合預測模型僅局限于第二天的預測。

投資組合策略：

量化投資策略(New Quantitative investment Strategies)，來確定當天黃金和比特幣的買入、賣出和持有的具體比例

夏普比率，尋找利潤最大，風險最小的資產組合配置方法（當黃金比特幣都判斷買入時判斷兩者分配比例M），其他則都根據上圖表判斷。而隨機森林的閾值利用蒙特卡洛選出

最優規劃：

加入隨機因子對隨機決策進行模擬，閾值上面給出一個隨機波動，增長率以及概率上隨機波動，以及概率的隨機策略選擇

靈敏度分析：

在一定范圍內隨機擾動預測增長率，隨機選擇配置策略組合，在一定程度上降低了最終值，但是在波動20%之類仍能保持一個最優值，具有魯棒性

缺點：買入賣出只考慮后一天的情況（存在連續增長的情況）

總結

以上是生活随笔為你收集整理的2022美赛C题 F奖思路分享的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。