这么牛啊，深夜码字这么辛苦，何必呢。你自己弄个100万试试（没钱可以去贷点），先把自己变成百亿富翁，比什么都有说服力。

@许哲 的这篇文章讲得很清楚了 网页链接

人脑有时也只能给出答案，却无法给出为什么会得出这种答案，语文里面叫“语感”，股票里面叫“盘感”，女人叫它“直觉”

说得真好

谁最方便做这事？券商。可以告诉你，至今没有一家券商单纯靠自营盘过日子。佣金一直是主要利润来源。再次，过分复杂的东西故障率必高，其三，未经实践证明的东西终究是纸上谈兵。

个人搞量化，工作量太庞大了，很辛苦的，专业知识要很全面

非常感谢解答

我来统一说明下：1、将训练样本分成K份隔离开来训练K个回归分析器，本身就是为了防止过度拟合；后续如果使用RNN with Squential AutoEncoder对其中的时间序列因子进行无监督学习，可以进一步解决过度拟合问题，具体思路可以参考当前机器学习界的领军人物Richard Socher的博士毕业论文：《Recursive Deep Learning for Natural Language Processing and Computer Vision》；2、我不知道未来函数是什么，这个模型里面我只做了回归分析；3、回测时间的长短取决于交易频率，交易频率越高所需要的回测周期越短，反之亦反；4、“使用历史经验不能预测未来”的说法纯粹是瞎说，优秀游资的成长难道不需要每天复盘不断积累自己的经验吗？机器学习也是这么做的，只不过不需要那么长时间的积累。这就是所谓的“在预判中跟随，在跟随中应变”，首先要有预判，而预判的来源就是历史经验或者历史数据；5、模型只是提供一种量化交易的思路，真正实用起来，后续还有很多琐碎的东西要改进，更深入的细节我没必要多说，懂的自然懂

真有这么强大会舍得分享，早都闷声发大财了，呵呵呵