傳統的交易系統策略——是人工定義的。

現在的機器學習——規則不是程序員制定的，而是自己學出來的，規則是計算機從數據中挖掘出來的。

識別手寫模型用的SVM，有很強的魯棒性；

監督模型：分類、回歸。

非監督模型：沒有Y的信息，從X里面能不能自己發現規律；聚類、降維。X是300*1的點，每個時間點有300個指標，用聚類的方法，這些時間序列歸一類，另一些時間序列歸另一類；300維能不能降到20維，300維某些列是冗余的，如何在高維空間中的點在低維空間表示出來，embeding；

強化學習：ENV——大盤，背后是馬爾科夫決策過程，markov decision?

分類：看漲、看跌。

回歸：預測出下一時間的價格。

以一組輸入的訓練集為輸入，學習出來所有對應參數的最優組合，在你給定的訓練集上表現性能最好。

評估模型：model.prefict，

打分：把真實際的值與預測的值對比。score成績好完全不等于回測好。

如果加了第二項，加到線性回歸上去，比不加效果好，

最小二乘，找到cita使J（cita）最小

?

?

總結

以上是生活随笔為你收集整理的量化交易实战——互联网金融之四的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。