量化交易与机器学习第三十三篇
本帖最后由 A股天机 于 2018-11-30 16:12 编辑上周我们讨论了交易的级别和流动性，概况起来就是机器学习完整的交易理念：资金到哪里，就去哪里交易；顺大势，逆小势；优点明显，缺点不明显。本周我们继续讨论机器学习。
1，先说原理
最早对人工智能感兴趣是大学时代，具体来说就是用剪枝算法做αβ来研究象棋，最终发现和当时市面上人软件象棋名手差好多，加上快毕业了就没有继续了。最近发现这软件后来把计算机博弈的冠军全包了。中国象棋软件的发展历史记录在我博客上。
之后到了2016年深度学习一下子火了，然后开始一边学习一边研究，在股市中分析应用发现，容易出现过拟合问题，后来分析得出了一些结论。
1. 深度学习的成功主要是在完全信息的领域。
2. 深度学习对神经网络结构的设计很重要。
得出相关的结论后，我们及时调整了方向，因为股市本身是非完全信息的，无法得出通过N个条件分析，得出下一个k线必须会涨，这样一个结论。所以我们要去研究的是非完全信息的神经网络，如果对这方面感兴趣，可以先学习概率问题，纳什均衡，博弈论。
2，关于实践
写程序的人，往往喜欢自己造轮子，这是因为每个人对实现算法解决问题的思路不同，看别人的代码总觉得别扭，殊不知自己的代码质量有多差。站在巨人的肩上才会有更大的成就，机器学习更是如此，网络上有tensorflow ，pytorch等网络库可以使用，但是最重要的环节，将现实问题抽象成为机器学习的对象，并用恰当的方法实现出来。这个过程是核心关键，没有人会将关键技术公布的，这过程只能靠自己。
3. 总结
失败是成功之母，在机器学习的路上更是如此，失败了总结，再改进，再失败，再改进，这个过程可能没有人能指点你。经历过一些事情之后发现，道法自然，现实生活是最好的老师。机器学习中的智能体，不能活在过去的失败之中，也不能活在过去的成功中，当下的边际效用才是要智能体的决策的关键。
最近个股的行情不错，但是未达到相关的标准，当沪深300满足要求了，将会重回股市。
:wanzuixiao:wanzuixiao:wanzuixiao:wanzuixiao
页:
[1]