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。$ p- v2 u H& O) Z
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。
) d" ^2 j, _1 Y2 ]* ~- Y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。
5 z" B# r! L* ^1 R p; i1 Z W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。
5 n% n; `9 N: _+ h: _; v/ ^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。" n6 S$ `( ?3 N8 V- X) }$ W0 J
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。1 ^" R) J( s6 N* s9 l6 U
N. i7 C% K, F: z$ k) l
| 
|手机版|Archiver|
( 桂ICP备12001440号-3 )|网站地图
发表于 2025-11-14 07:39:06
