独家人工智能“AI”应用算法交易,7个必备的坑道!

请显示星星的公共号码。第一时间请获取最新信息。

本期翻译:1+1=6|公共号码翻译部成员

Bars data==weak data

很多人在一个时期HOLC使用价格和交易量。这些信息不足以反映市场信息和交易商的行为。我们想从订单中获得更直接的价格bids和asks。

专心于一个资产于单

我们之前的研究集中在选择某个单一资产,坑道在某个固定时间内预测并重新测定多空股票战略。口袋里可能包含1万美元的个人。他们对一些目标制定了基于指标的策略,进行交易。但是,我们仔细一想,这和特定资产的过度适用相似。对于时间序列于单,有过度恰当的战略的意思是什么?对冲基金我从来没有做过。他们确实在所谓资产范围内进行交易。如果多做投资组合,或者空出这些资产来维持平衡,或者使用某个战略进行交易的话,预计这些资产都会有良好的表现。

另外,将策略性能与某个基准进行比较时(例如,在Crypto交易中,该基准可以作为HODL战略),对计算Alpha有兴趣。

固定预测界限

公共号码提供下载。

传送门

在上面的图像中,可以看到人工智能数据集标签的“非固定时间”的创建。这被称为“三重障碍”,其工作原理如下。我们有三个障碍。上面的东西是利益,下面的东西是止损,最后的东西是垂直的,意味着某种有效期。该标记法基于预测使得能够构筑更灵活、更现实的战略。

y_i=-open/open

验证集的实用性

我们讨论使用Keras进行神经网络训练的时候,我们通常是X等函数传递fit。trainY_trainX_testY_testX_valY_val这样的数据样本。(青时间系列部分是训练,橙色是验证,绿色是测试)

算法

再次测量了试衣。

重新测定战略,应该直观地理解其将来的表现。我相信战略如果能在过去的数据中得到很好的表现,将来多少会带来同样的利益。这完全不是真的。

根据1、5分钟的开路、高、低、收、束以及一些非常简单的特征,预测下一分钟的变化。

2、训练和val考试是21/30日和7/14日。

3、用简单的多空股价战略再次测定。

这些几乎每周都超过标准。你能相信这些测定结果的真实性吗?

因为试穿的问题更多,所以请确认公共号码。

美丽的回测——告诉你你定量计算了拟合的概率。

好的预测=!好交易

关于上述的测量再研究一下吧。我们可以从战略中更了解什么?例如,检查策略是否真的与ML算法的精度有关。必备

上图与3个权益曲线有关F1分数。首先,图表中的基准比我们的策略好。F1得分分别是0.68和0.62。相反的情况下,F1得分比55%稍低。之后,F1最高得分的股票也只有55%左右。更准确地说,夏普比率成绩的相关系数改善为?0.425。我们能得出什么结论?如果实验设置错了,数据真的是随机的,没有准备好。其他的也都是随机的。垃圾进入垃圾。

结论

机械学习应用量化金融即使不同也很难。我们确信在这个过程中还有很多欠缺。我们使用的资源不能覆盖所有的问题,但是我们知道光用是不够的。这是一个非常好的开始。可以避免过度合身。还可以证明数据。你的特征和算法有几个一般的东西。我有99.99%的自信。请把剩下的0.01%留在运气里。但是,我们不认为对冲基金社长会投资这个。

各位,请在文末给予公共号码翻译部的伙伴奖。

20、各大卖家2019年A股的策略报告都是有故事的人。

生成海报

本站声明:本站所有好东西均来源于互联网,不保证100%完整、不提供任何技术支持,分享目的仅限于学习和测试,一切商业行为与本站无关,下载后请在24小时内删除。请勿用于商业用途,如需商业使用请向官方购买授权,由于使用该资源引起的侵权行为与本站无关!如有侵权,请联系info#sogua2008.com(将#换为@)及时删除!
本文地址:搜刮好东西 » 独家人工智能“AI”应用算法交易,7个必备的坑道!

赞 (0) 打赏

郑重提醒:下载前请必读《免责声明》
解压密码:关注微信公众号(sogua2008com)发送“解压密码”获取此好东西解压密码。

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏