量化交易与机器学习第三十一篇

上周我们讨论了预测未来的几种方法,及机器学习分析区域和预测区域两个部分,本周我们继续讨论机器学习。

1,先说原理

机器学习有三个基础,数据,算力,算法。

对交易来说数据是基础中的基础,目前获取行情数据的方法有很多,不是影响的关键。算力是重要因素,人工智能近些年的兴起和算力的提高有很大关系。由此产生GPU TPU等硬件的快速发展,同时软件上也出现GPU数据库,CUDA等支撑并行计算的组件。

机器学习的算法,分支很多,每个分支具有自己的优势,对量化交易适合采用哪个分支,是我们探索的重要因素。

在机器学习过程中,存在大量的数据计算,最开始的时候为了验证一个思路,算1到2天才能得到一个结果,今天我们主要讨论计算方面的改进。

2,关于实践

为了实现相关目标,我们采用go 作为基础开发语言,借鉴了部分python库的实现原理,运用go的语言特性开发了基础组件。取得数据之后,将分析区域的数据给不同的agent 学习,再选取最优的作为结果,进行预测。

上述有个默认的前提,数据是单一级别的,不同级别会有不用的结果,应该在规定的的时间段内各个级别都算一遍,选择合适的级别。

具体实现就是写代码,没什么好说的,最枯燥的活。

最后,可以利用机器学习的结果,写一个指标出来,也许更直观一些。

3.总结

机器学习是一个很古老,也很时髦的概念。我们不是为了赶时髦来做这些讨论,中国的量化交易相对华尔街还差得很远,但机器学习领域目前和国外差距在缩小。我们用机器学习的观点来审视过往,希望能实现弯道超车的机会。这个过程需要更多的人才,近期重回校园了,在千年学府内,或许能找到一些更好的答案。

上周根据机器学习信号做单结果统计如下:

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181110B0A1P100?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券