我们支持你!!!!!!!!!!!!!!!!!!!!!! 谢谢 :) :mad: :*P :*9*:
:*10*: :*18*: :*22*: :*25*:
:*26*: :*27*: :*29*: :*31*:
:loveliness: :funk: :*( :*19*:
**:1 b:b :1:1 vv 原帖由 flatron 于 2007-12-21 20:43 发表 http://bbs.macd.cn/static/image/common/back.gif
大家讨论的很热闹,我也对这个方向比较感兴趣。不过只是刚刚开始研究,还要向各位学习!
我不知道国内的MARKET怎样,现在国外的MARKET很多都应用Algorithms trading or automatic trading. 这些的核心技术就 ...
国外的algo trading主要的都是进行day trading的,从每天的波动性里来找profit~ 精华,先顶慢慢看:*18*: 我用svm做了一个回归,效果也很一般。日偏离幅度相当大的部分都在3%~5%。不过大的趋势是正确的。根据目前的所谓的论文的比较都说是ANN的性能比SVM要差。可是我仔细读了读网上可以找的到的中文论文,基本都是对于几篇国外论文的翻版。而且都是做的回归方面的验证性工作。不过回归和时间序列的预测终归不同。我想还没有找到太好的关于时间序列的预测的中文文档。我实在是不想看英文的论文了,很多的数学上的名词很难懂。不过总的来说,如果假定过去的交易行为都包含了投资者对于过去信息的反馈的话,那么对于一个中短期的未来的交易趋势的在一定置信度上的预测是可能的。选取一定的最重要的相关变量,进行建模,对于中短期的趋势的模型是由一定的实用意义的。同时,我们现在对于交易数据的建模都隐含着一个条件,外部因素的影响是缓慢的微小的已经被逐步的反应在过去的交易行为之中。这样的话,对于像5.30这样的重要的突发事件的预测肯定是不可能的。除非引入相关的外部变量。 牛呀!
多角度
换一种方式可以提高预测模型的精度,不要将神经网络的算法为预测的主线.我早几年使用VB写成了类似的BP的效果,但后来发现这并不是十分恰当的实现方向.现在我基于K线本身的一些特性同时结合类人工智能的方法发现了更容易和准确的方法,目前正在摸索中. 强,不过"外部因素的影响是缓慢的微小的已经被逐步的反应在过去的交易行为之中"这个前提在股市里很窄,主旋律是老鼠仓. 楼主的计算机学的好厉害啊 预测的准确度与神经网络的结构有关,与训练数据有关,另外建议对预测的因素进行逐步回归分析,找出与预测结果相关的因素。 楼主用了几个隐藏层?把传递函数发上来看看啊感觉一个人单枪匹马搞这个有些难度哦,加油:*19*:
ps.看完发现前面已讲了,这里的猛人太多了,野狐禅,还有台湾同胞,还有楼主,还有好多好多。。。。。怕怕。。:*22*:
[ 本帖最后由 wuliaobb 于 2008-2-8 18:41 编辑 ] 人人都能用的神经网络,可以用股票试试,百度搜索 :Excel全中文偏最小二乘回归、七种神经网络 建立正确的交易规则{:7_317:} 学习了 哇 {:7_328:}有才 8年前的坟都被挖出来了,不过很有用:DAXIAO