기금넷 공식사이트 - 금 선물 - 광자 정량화의 지능형 투자 전략은 어떻게 이루어집니까?

광자 정량화의 지능형 투자 전략은 어떻게 이루어집니까?

다음은 공식 홈페이지에서 발췌한 것입니다.

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.