我还是认为机器学习、神经网络之类算法无益于交易
虽然在编程方面不算生手，但对于现在很时兴的机器学习、深度学习方面的认知和实践很肤浅。
最近恶补了一下这方面的知识，看了很多这方面的辩论。我个人还是坚持认为，对于交易，机器学习并无用处。
发现在交易上，提到机器学习神经网络的用途，就是让机器学习如何预测。这本身违背了系统交易者主张的不预测的基本理念。
交易跟下棋，两者都是对弈游戏，但有本质区别。交易是非规则游戏，是人性的博弈，神鬼莫测。机器永远不懂。
对于流行当下python用于机器学习和预测，个人目前也持否定意见，向楼上所说其本质就违背了交易的基本规律“不确定性”，妄想靠“神经网络”发现市场规律并预测，那才是真的“神经”！类似于“江郎才尽”才逼出的邪招，有走火入魔之嫌疑。
也许你说围棋都“阿法狗”了，那是围棋，和交易是两码子事情。个人不认为和交易有什么关系。交易本质是“ 控制风险”和“把握人性”，也许从这点出发，才是光明正道吧~
你看到机器学习案例，是不是都是一些基础的教学策略？
实际中不可能仅仅是运用神经网络等模型把各种数据输入进去，然后依靠模型强大就能发现有效的模式了，很多细节性因素决定成败。
对于“预测”这个概念，从哲学化的概念来说，EA、CTA、机器学习、多因子哪个方式不包含预测的思想。
显然，交易是复杂的系统性工程。
對於網路神經算法跟深度學習 雖然沒機會接觸 但是根據閱讀過的資料 我抱持著不同的看法
如果是用這兩種技術去做行情的預測 我覺得是不太明確的用法 畢竟行情的詭譎多變 是參與外匯交易的人有目共睹的
但如果把這技術用在處裡持倉 開倉 平倉 那就應該是能有所作為的
深度學習及人工智能 主要的方向是在於處理目前已經發生的狀況 並加以記錄自我優化算法 在下次出現類似狀況時可以提出最優的處理方式
當然這當中也有預測的成分存在 主要用在處理事件後的結果是否能合乎預期的結果 然後再做一次的優化處理
就好比現在很多電器提供語音控制功能 他的智能乃在於接收到語音之後去做處理 而不是預測他將會收到哪樣的信息
所以我認為把技術用在預測行情那不是最可靠的用法
但是若用在交易單的處理上 那應該是可以有所為的
这个话题很有意思。我对机器学习抱有很积极的态度。
外汇市场的交易量非常大，很难被特定人或组织长期并精确的把控。
所以，比起人为结果论，外汇更接近自然结果。
既然是接近自然，就可以按照自然科学的解释方法论进行剖析。
先行研究过少，而且也没有公开结果的必要性，所以需要大量的基础研究和团队辅助。
机器学习方案并不适合个人投资者研究，更适合有组织力的团队研究。
交易不是预测是什么？
交易的本质就是预测啊，验证自己的模式不就是预测么？
只不过有的模式是术的层面，追逐表象如金叉死叉。
有的则是人性，比如剥头皮，马丁
我觉得交易的本质是数学，是概率。概率是模糊的，所以无法精确地预测明天是涨是跌，就象无法精确预测明天几分几秒下几多毫升的雨，但是对明天是晴或雨，或者气温在多少范围内变化，还是能用概率表达的。
交易者要做的就是，在各种市场形态里找到一种正回报的模型。
AI，机器人是跟物打交道，在一定范围内可以用各种排列组合，通过高速运算，得出结果，比如人脸识别，换个狗头，就识别不出来了。
外汇交易，是跟人打交道，美国换个总统，欧洲换个财长，瘟疫的消长，全世界每天大大小小的事件，都对外汇有影响，只能是人来判别。
虽然在编程方面不算生手，但对于现在很时兴的机器学习、深度学习方面的认知和实践很肤浅。
最近恶补了一下这方面的知识，看了很多这方面的辩论。我个人还是坚持认为，对于交易，机器学习并无用处。
发现在交易上，提到机器学习神经网络的用途，就是让机器学习如何预测。这本身违背了系统交易者主张的不预测的基本理念。
交易跟下棋，两者都是对弈游戏，但有本质区别。交易是非规则游戏，是人性的博弈，神鬼莫测。机器永远不懂。