기금넷 공식사이트 - 금 선물 - 광자 정량화의 지능형 투자 전략은 어떻게 이루어집니까?
광자 정량화의 지능형 투자 전략은 어떻게 이루어집니까?
AI 양자화 전략 구축 프로세스
유추 멜론, 우리는 AI 양적 전략 프로세스를 분해 할 수 있습니다:
첫 번째 단계: 데이터 (예: 주식 풀) 를 식별하고 교육 세트와 테스트 세트를 나눕니다.
우선 우리가 어떤 AI 수량화 전략을 만들었는지, 예를 들면 A 주, 항주, 선물과 같은 것을 분명히 해야 한다. 데이터를 확정한 후, 우리는 다시 역사 데이터를 시간순으로 두 부분으로 나누어, 분할 과업 중의 두 무더기와 비유한다.
훈련집: 첫 번째 부분의 데이터는 첫 번째 멜론 더미와 비슷한 모델을 훈련시키는 데 사용됩니다.
검증 세트: 두 번째 부분의 데이터는 두 번째 더미와 비슷한 모델 효과를 검증하는 데 사용됩니다.
2 단계: 대상 설정: 데이터 치수.
둘째, 우리 모델의 훈련 목표를 명확히 하는 것은 수박의 질이나 연도를 예측하는 것처럼 주식의 수익률이나 변동률을 예측하는 것이다.
샘플 템플릿에서, 우리는 5 일 수익률로 주식의 추세 수준을 정의하고, 각 주식에 상응하는 각 수준을 표시하여 위에서 언급한 각 절단 후 오이의 품질을 기록한다. (윌리엄 셰익스피어, 템플릿, 템플릿, 템플릿, 템플릿, 템플릿, 템플릿, 템플릿, 템플릿, 템플릿, 템플릿)
AI 정량화 전략의 레이블: 미래 N 일 수익률, 미래 N 일 변동률, 미래 N 일 수익률 순위의 통계와 같이 수동으로 정의된 모델 예측 목표입니다. 플랫폼 AI 정량화 전략은 기본적으로 주식 수익을 목표로 합니다.
AI 정량화 전략의 표시: 일일 미래 N 일 수익률에 따라 주식 추세 수준을 정의하고, 각 주식의 미래 N 일 수익률 수준을 계산하고, 각 주식에 레이블을 지정하는 등 시간 단계의 교육 세트 데이터의 일일 목표 값을 계산합니다.
세 번째 단계: 요소 찾기
템플릿 정책의 return_5(5 일 이익), return_ 10( 10 일 이익) 과 같이 목표에 영향을 줄 수 있는 특성 (정량화 정책에서 계수라고 할 수 있음) 을 선택하고 구성합니다
AI 정량화 전략의 특징: 어떤 면에서는 사물의 표현이나 본질을 반영하는 것. AI 정량화 전략에서 특징은 교환율, 주가 수익 비율, KDJ 기술 지표 등이 될 수 있습니다.
4 단계: 데이터 연결+누락된 데이터 처리
표기된 데이터와 각 주식의 특징 데이터 사이의 연관성에 주의하여 다음 모델의 학습과 사용을 용이하게 하며, 각 수박의 특징과 품질의 일대일 대응과 유사합니다.
5 단계: 모델 교육+주식 예측
우리는' 좋고 나쁨 등급' 을 통해 주식을 표기하고 라벨을 붙이며 해당 고유치와 함께 훈련 모델을 구축했다. 앞서 언급한 바와 같이, 우리는 각 오이의 특징과 그에 상응하는 좋고 나쁨 결과를 얻어내고, 귀납을 통해 오이의 품질과 속성 사이의 관계를 찾아, 오이의 분류 경험을 요약한다.
검증 세트의 데이터는 교육 전에 생성된 모델을 검증하는 데 사용됩니다. 즉, 검증 세트의 특성 데이터를 기준으로 모델이 예측한 목표 값 (주식 추세 등급) 이 정확한지 확인하는 데 사용됩니다. 이 단계는 멜론 인식 작업과 유사하며 두 번째 수박 더미의 크기, 색상 등의 특성 데이터를 사용하여 첫 번째 요약 된 멜론 인식 경험을 바탕으로 멜론의 품질을 판단하고 예측합니다.
6 단계: 백트래킹 테스트
검증 세트의 예측 결과를 역사적 실제 데이터에 넣어 검사하는 것은 멜론 인식 과정에서 두 번째 무더기에 따라 멜론의 품질을 예측하고 마지막으로 멜론 검증을 하는 것과 비슷하다.