神经网络算法
之前写过,由于单人用自编策略去做量化,比较容易陷入过度拟合的错误当中,因此笔者转而开发了一些半自动量化策略。但大奖章基金目前已进军中国,大奖章基金的核心就是机器学习算法。而之所以他们不容易犯过度拟合的错误,在于大奖章能用机器学习算法创建具有神经网络控制中枢的策略选择器。 举个例子,笔者之前编写的神经网络策略,是直接用神经网络的输出端对应开仓与否的,这直接导致过度拟合,也就是历史数据测试非常优良,但是实际一用,策略就过度拟合。但大奖章的做法是用神经网络控制中枢控制策略是否上场。 比如,一大堆当下的金融数据输入进去,如果控制某策略出场与否的神经元终端被激活,则该策略出场,但该策略出场以后不是马上就开仓,还要再看是否符合策略本身的条件。这相当于有两层筛选存在了,第一层是神经网络控制中枢,在宏观上把控策略能否出场;第二层才是策略本身在微观上搜寻具体做单机会。这极大减少了过度拟合的可能性。 目前笔者急需部分对神经网络算法有一定研究的朋友提供部分参考意见,如果你对量化有一定兴趣,对神经网络算法有一定研究,请私信我。过来看看的 LZ真是人才 帮你顶下哈!! 帮你顶下哈!! 学习了,不错 学习了,不错 帮你顶下哈!! 谢谢楼主分享
页:
[1]
2