发布于: 修改于: | 雪球 | 转发:198 | 回复:254 | 喜欢:1129 |
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。
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