量化交易与机器学习第二十七篇
上周我们讨论了三元分类，本周我们讨论机器学习的部分。1，先说原理 如果把股票的价格作为一个横列式（矩阵）A,每个不同的交易系统也可以作为一个横列式（矩阵）B，A*B得到的结果是收益结果。 例如有一个交易系统，5均线金叉10均线的时候买入，5均线死叉10均线的时候卖出，再把金叉死叉的时候前1个K线价格设置为止损点。这样就构成了一个系统，我们称为交易模型。实际上可以抽象的认为是B，这个模型的特征是金叉或者死叉，而参数是5，10，1。 有经验的人会发现 不同参数的效果是不同的，那么对于不同的交易品种，可以去扰动交易参数，效果如何得到不同的结论即可，然后选出最好的参数，就得到了局部最优解。而这一过程可以用机器学习的遗传学算法实现。2，关于实践 先看之前的三元分类情况【见图一】 RB190120180921 15:00:00 金额 6516.9785 持仓情况 0 止损 4146【见图二】ZC1901 20180924 21:45:00 金额 5001.8735 持仓情况 1 止损 641可以看出，在一段振荡的走势中，资金回撤的很明显，这是之前分析的时候很明确的问题，策略在振动环境下表现不好。经过机器学习后，【见图三】20180921 15:00:00 金额 8721.367 持仓情况 0 止损 4146【见图四】ZC19012018092421:45:00 金额 5379.6616 持仓情况 1 止损 636机器学习后的策略可以看出在横盘振荡阶段，资金保持基本平衡，价格出现明显趋势波动的时候，交易也资金也跟着增长。3. 总结 目前可以得出一个初步的结论是，交易系统特征代表的是交易者对市场分析后的策略矩阵刻画。这种刻画是粗线条的，而参数配置是策略和市场的适配，两者缺一不可。这个真不懂，能接入交易所系统安装哥后门程序吗？:wanzuixiao 我确实发现股市里，操盘手改成机器交易的现象，如果第一时间发现，在环境相对稳定是时间段，通过T+0交易非常容易吃点量化交易模式的日内利润 量化交易没有交易所后门，我可以吃你量化交易的日内波动率的差价
要是有后门，我的交易是1分钟最后集合，你的量化交易是5秒内交易，不是一个级别 你的问题，让我有所回忆，没想到后门交易重出江湖，我说中国股市突然无缘无故的剧烈波动:wanzuixiao
页:
[1]