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。
) N: O1 R. X3 P" x) {3 C' P% w3 i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。
: S! Z. j8 b8 F1 ]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。
/ Y5 ~ N, ]7 D0 N" O. o! g$ X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。$ H, u4 D: G% P4 a0 n D( Z7 X$ J
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。2 V- E, t5 s- s: [# j8 e: 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。
7 T9 I; D3 _3 ^) \
: Q' x" b8 Y8 i1 Z* k2 K% s) v N: T |