现代神经网络去拟合一个确定的映射是很容易的事。但是当输入数据维度不足的时候，映射问题就变为了一对多问题。
) k& Y6 u' p) R5 I: p# C0 Y5 q0 ]比如用二维函数去拟合三维图形，相同的输入就会要求拟合不同的输出。 是非常困难的事情。
# j4 R: E" O% U8 }量化交易也一样，单纯的k线数据并不是股票价格的充分必要条件。用神经网络拟合，也是一种一对多的问题。实际体验就是相似的k线，不同的后续涨跌。; P9 P4 o2 F2 G L& p. j. e4 Q5 Y
增加相关性数据确实可以提高最后准确率，例如加入上证指数，可以有明显提升。
* |3 ]' m( Y1 q0 ]之前水平不足，以为是运气。其实是方法错了，应该用神经网络去预测股票的概率分布。
- _5 k! s/ ]# I& Z$ r, B# |6 ]2 ]6 F如果是预测涨幅，当股价的概率分布是有一半概率上涨10%，一半概率下跌9%， 神经网络只会输出上涨1%。信息量太少了。' c1 k, U6 d& ~% ?% \/ T9 z4 }
2 r; ?) T6 b- U0 x1 t% r9 l
| 
|手机版|Archiver|
( 桂ICP备12001440号-3 )|网站地图
发表于 2025-11-14 07:39:06
