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。
5 | f. q# r. Y& l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。% r2 Y2 q2 Z) B8 _
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。
* {; }+ g% w3 l K9 [3 h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。, z3 p' E% B) Z
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。
4 z: D4 w* j! v$ u6 O% E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。7 U! Z3 q' o/ i# z* J
& j9 O$ @4 @& ?; w# |* }, I; Y) \
| 
|手机版|Archiver|
( 桂ICP备12001440号-3 )|网站地图
发表于 2025-11-14 07:39:06
