22、交易量预测：时间序列模型（ARIMA、GARCH）。机器学习在交易量预测中的应用。
交易量预测这事儿，说实话，比价格预测要「老实」一些。
价格受情绪、消息、突发事件影响太大，经常不讲道理。但交易量呢？它背后是实实在在的买卖行为，有规律可循。我个人习惯把交易量预测看作是「市场参与度的天气预报」——虽然不能百分百准，但趋势和波动范围往往能摸个八九不离十。
22.1 为什么交易量可以预测？
你想想看，交易量背后是什么？是人的交易习惯。机构有调仓周期，散户有上班看盘的习惯，量化策略有固定的执行频率。这些行为叠加起来，就会形成一定的周期性规律。
我在做高频策略回测时发现，A股市场的交易量有明显的「U型」日内特征——开盘和收盘量大，中午萎靡。这种规律性，就是时间序列模型能发挥作用的基础。
22.2 经典时间序列模型：ARIMA
ARIMA，全称自回归积分滑动平均模型。名字挺唬人，说白了就是三件事的叠加：
- AR（自回归）：用过去几天的交易量预测今天的交易量
- I（差分）：如果交易量序列不平稳，先做差分让它平稳
- MA（滑动平均）：考虑过去几天的预测误差
我在一个期货品种上试过，直接用日频交易量跑ARIMA(2,1,2)，效果居然还不错。但要注意——ARIMA擅长捕捉线性关系，对突发放量基本没辙。
# Python示例：ARIMA模型拟合交易量
from statsmodels.tsa.arima.model import ARIMA
import pandas as pd
# 假设df包含日交易量数据，列名为'volume'
model = ARIMA(df['volume'], order=(2, 1, 2))
result = model.fit()
print(result.summary())
# 预测未来5天
forecast = result.forecast(steps=5)
print("未来5天交易量预测：", forecast)
22.3 波动率模型：GARCH
交易量有个很有意思的特性——大波动往往跟着大波动，小波动往往跟着小波动。这就是所谓的「波动聚集性」。
GARCH模型就是专门干这个的。它不仅能预测交易量的均值，还能预测交易量的方差（也就是不确定性）。
# Python示例：GARCH模型拟合交易量波动
from arch import arch_model
# 对交易量收益率（或差分）建模
returns = df['volume'].pct_change().dropna()
model = arch_model(returns * 100, vol='Garch', p=1, q=1)
result = model.fit(disp='off')
print(result.summary())
# 预测未来波动
forecasts = result.forecast(horizon=5)
print("未来5天波动预测：", forecasts.variance[-1:])
22.4 机器学习方法：从线性到非线性
时间序列模型有个天花板——它假设数据生成过程是线性的。但交易量受多种因素影响，比如：
- 价格涨跌幅
- 波动率
- 资金流向
- 市场情绪指标
- 节假日效应
这些因素之间可能存在复杂的非线性关系。这时候，机器学习就派上用场了。
22.4.1 特征工程是关键
我个人做交易量预测时，特征工程花的时间比模型调参多得多。常用的特征包括：
| 特征类别 | 具体特征 | 说明 |
|---|---|---|
| 历史交易量 | 过去N日交易量、移动平均、标准差 | 捕捉自相关性和趋势 |
| 价格相关 | 收益率、振幅、日内高低差 | 价格波动往往伴随放量 |
| 时间特征 | 星期几、月份、是否节假日前后 | 捕捉周期性规律 |
| 市场状态 | 大盘成交量、行业成交量、资金流向 | 个股交易量受整体市场影响 |
22.4.2 常用模型对比
我试过几种主流模型，简单说说感受：
- 随机森林：稳健，不容易过拟合，适合做基线模型。我一般先用它跑一遍，看看特征重要性排序。
- XGBoost/LightGBM：效果通常最好，但需要认真调参。我习惯用早停法和交叉验证来防止过拟合。
- LSTM：理论上适合序列数据，但实际效果往往不如树模型。除非数据量极大（比如分钟级数据），否则不推荐。
# Python示例：LightGBM预测交易量
import lightgbm as lgb
from sklearn.model_selection import train_test_split
# 假设X为特征矩阵，y为交易量
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, shuffle=False)
model = lgb.LGBMRegressor(
n_estimators=500,
learning_rate=0.05,
max_depth=5,
num_leaves=31,
early_stopping_rounds=50
)
model.fit(
X_train, y_train,
eval_set=[(X_test, y_test)],
eval_metric='mae',
callbacks=[lgb.early_stopping(50)]
)
# 特征重要性
lgb.plot_importance(model, max_num_features=10)
22.5 知识体系总览
下面这张图，是我自己整理的交易量预测方法框架。你可以把它当作一个「选型指南」：
22.6 模型融合：1+1 > 2
说实话，单一模型很难在所有市场环境下都表现好。我现在的做法是：
- 用ARIMA预测趋势：捕捉交易量的自相关性和趋势
- 用GARCH预测波动区间：给出预测的不确定性范围
- 用XGBoost做残差修正：把ARIMA+GARCH的预测残差作为目标，用机器学习去拟合非线性部分
这种「统计模型+机器学习」的融合方式，我在实盘回测中取得了不错的效果。比单独用任何一种模型，预测误差降低了大约15%-20%。