第二堂課程最近也終於走向穩定了，剛開始有一些的bug、RAM的優化上的問題，還請同學們多多擔待，我們也會持許推出新的介紹，讓大家有更多可以加強機器學習的方式，這一篇文章中，我們要針對以往的labeling方式進行優化，讓訓練出來的模型，可以有更準確的預測。

沒有參加課程的同學，也可以跟我們一起學習，下方的程式碼都是完全公開的！請大家自行拿取玩玩看喔！

機器學習 「features 和 labels」

假如您不知道Labeling是什麼，那我們這邊還是先簡單的介紹一下supervise機器學習(監督式機器學習)：

這一類的機器學習模型，可以想像是一個函式 function f，我們想要計算 y = f(x)，其中 x 就是 features，另外 y 就是 labels，假如我們想要預測天氣，則 x 就是 溫度 濕度 等等，而 y 就是 0 或 1 代表是否會下雨，假如我們想要預測股價，則 x 就是 技術指標、財報等等，而 y 就是股價。
機器學習就是產生這麼一個 function f，可以藉由 x 來推估 y，也就是 y = f(x)，下方就是機器學習用來訓練的資料（x, y）的示意圖，其中 x 就是一些技術指標，而y就是買賣訊號：

機器學習模型（f）大部分是一個黑盒子，也就是我們不需要知道 f 的公式是什麼
（也不太可能顯示出來，因為太複雜了）

而我們就會先給一些 x 跟 y，並且讓演算法去產生 f，
這個就是 supervise 機器學習模型的基本概念

假如我們要用機器學習來預測股票，就要先有 x 跟 y，也就是 features 跟 labels
假如我們想要預測股價，要怎麼樣來製作 feature 跟 labels 呢？

製作 Features

製作 feature 的資料，可以是一些財報、技術指標、我們課程中也有很多製作這些指標的方式，相信網路上也有很多的介紹，由於不是此篇的重點，所以我就不多說明了XD

製作 Labels

製作 label 其實是非常至關重要的，假如 label 太難預測的話，模型會無法有效的訓練，以往最基本的 label 製作方式是使用 fixed time horizon 來預測 w 個時間單位後的漲跌，下圖就是 fixed time horizon 的 Labeling 方式：

上圖中在 p(t) 的時候，我們希望預測 p(t+w) 的股價，是比較高還是比較低
我們可以使用分類的方式，將股價的漲跌分成三個部分，也就是─1（跌）、0（不漲不跌）、1（漲），這樣子我們就可以讓機器學習來預測，上面圖中，我們可以發現股價比之前的高，所以把它歸類在 1 ，也就是之後會漲。

缺點

然而這種方式有一個缺點，就是當今天模型叫我們買入的時候，一買就是持有 w 個時間單位，不論股價大漲或大跌都必須繼續持有，不能停損停利，這樣就會導致風險無法控制。

當然我們可以在事後回測時加上停損停利，但是這樣就跟模型的初衷有違背，模型產生的label明明就是持有 w 個時間單位，沒有停損停利。

為了解決上述問題，[Prado 2018] Advances in Financial Machine Learning 提出了以下的新方法：

Triple Barrier

這個方法的示意圖如下：

乍看之下跟 fixed time horizon 有點類似，不過這個方法將分類的方式做了一些改進，上圖中，用了三種不同顏色的「柵欄」，當股價從 p(t) 開始出發，隨時間不斷延伸，一定會碰到三個柵欄中的其中一個，而這三個柵欄分別代表了不同的意義：

• 1（停利）
• 0（持有 w 個時間單位）
• ─1（停損）

如此一來，我們就可以讓機器學習來預測「包含停損停利獲利狀況」，訓練出來的模型就可以跟回測的設定相符，增加機器學習的可預測性！
雖然概念很好理解，但要寫成程式碼還是需要一點功力，尤其是執行速度快一點的程式碼，下面就分享如何產生此類的label。

程式碼

首先我們可以藉由股價爬蟲這篇裡面介紹的程式碼，來獲得股價，

df = crawl_price("2354.TW")
df.Close.plot()

針對以上的程式碼，
假如想知道 crawl_price 的實做，可以點入股價爬蟲這篇

接下來就可以來製作 labels 了！
在我們的機器學習影音課程中，使用的是 fixed time horizon 的方式，先來看看效果如何：

date = '2017'
df.Close[date].plot()
(df.Close.shift(-20) / df.Close > 1).astype(int)[date].plot(secondary_y=True)

上圖中藍色的為股價，對應到左邊的y軸，黃色的是訊號，對應到右邊的y軸，也就是機器學習要學的 label，其中 1 代表買入，0 代表賣出，看起來效果有些不OK，因為訊號會在短時間內上下跳動，讓我們不知道到底該買還是賣，所以接下來我們就來試試看剛剛所介紹的 triple barrier 產生出來的 label。

下面這段是非常珍貴的程式碼，就連 Advances in Financial Machine Learning 書中附帶的程式碼，都沒有以下的程式碼更簡潔、更完整、更有效率，假如你的 pandas 技巧不夠好的話，請直接拿去使用就可以了XD，不用太深究此 function 中的程式碼！

import numpy as np
import math
def triple_barrier(price, ub, lb, max_period):

    def end_price(s):
        return np.append(s[(s / s[0] > ub) | (s / s[0] < lb)], s[-1])[0]/s[0]
    
    r = np.array(range(max_period))
    
    def end_time(s):
        return np.append(r[(s / s[0] > ub) | (s / s[0] < lb)], max_period-1)[0]

    p = price.rolling(max_period).apply(end_price, raw=True).shift(-max_period+1)
    t = price.rolling(max_period).apply(end_time, raw=True).shift(-max_period+1)
    t = pd.Series([t.index[int(k+i)] if not math.isnan(k+i) else np.datetime64('NaT') 
                   for i, k in enumerate(t)], index=t.index).dropna()

    signal = pd.Series(0, p.index)
    signal.loc[p > ub] = 1
    signal.loc[p < lb] = -1
    ret = pd.DataFrame({'triple_barrier_profit':p, 'triple_barrier_sell_time':t, 'triple_barrier_signal':signal})

    return ret

ret = triple_barrier(df.Close, 1.07, 0.97, 20)

這個 function 的使用方法，就是將

• 時間序列（程式碼中的df.Close）
• 停利(程式碼中1.07是指7％停利）
• 停損(程式碼中0.97是指3％停損）
• 最大持有時間（20天）

分別丟入 triple_barrier 函式當中，就可以計算出以下的 Dataframe

ret.head()

上圖中有三條序列，其中 index 是日期，另外三條時間序列分別是：

• triple_barrier_profit 當天買入，直到停損停利後，未來的獲利狀況
• triple_barrier_sell_time 當天買入，未來會持有的時間
• triple_barrier_signal 當天買入，未來觸發的是停損停利

我們可以將 triple_barrier_signal 訊號跟股價一起畫出來比較一下：

date = '2017'
df.Close[date].plot()
ret.triple_barrier_signal[date].plot(secondary_y=True)

label 的訊號變得比較乾淨，試試看訓練出更好的模型吧！
可以使用 google colab 線上編輯此代碼