交易中的机器学习：理论、模型、实践和算法交易

Maxim Dmitrievsky 2022.01.29 08:06 #25551

Aleksey Nikolayev#:

沃龙佐夫可能是俄罗斯最好的国防部专家。因此，该课程必然是好的，但由于它是为IT人士开设的，所以它省略了对我们来说基本而重要的数学。我已经多次注意到，对于交易中的数学方法的应用，很少有适合其基本的、简化的形式。

MO是基于（例如见Tibshirani）这样一个假设，即预测因子和反应的联合分布是恒定的P（X,Y）。从中可以计算出条件概率Py(Y|X)，由此可以计算出回归的Y=f(X)。最终，这种回归被一些MO模型所近似。在物理世界中，这一理论或多或少是有效的。但在交易方面则不然。事实证明，P(X,Y)会随着时间发生不可预测的变化（非平稳性），整个理论就有点崩溃了。

最常见的方法是简单地忽略非平稳性，然后对结果感到惊讶并抱怨MO）。

嗯，在第二部分的最后，有一个有趣的部分，关于时间系列和他的经验。剩下的就看大家了。

非平稳性并不像缺乏规律性那样关键。如果我们假设时间序列是不可预测的，恐怕这里就没有什么可发明的了。

mytarmailS 2022.01.29 08:31 #25552

Aleksey Nikolayev#:

MO是基于（例如Tibshirani）这样一个假设，即预测因子和反应的联合分布是恒定的P（X,Y）。由此可以计算出一个条件概率Py(Y|X)，由此可以计算出一个回归Y=f(X)。最终，这种回归被一些MO模型所近似。在物理世界中，这一理论或多或少是有效的。但在交易方面则不然。事 实证明，P(X,Y)会随着时间发生不可预测的变化（非平稳性），整个理论就有点崩溃了。

最流行的方法是简单地忽略非平稳性，然后对结果感到惊讶并抱怨IR）。

你说得再好不过了。

做得好，但该怎么做呢？

mytarmailS 2022.01.29 08:32 #25553

Maxim Dmitrievsky#:

非平稳性并不像缺乏规律性那样关键。

如何衡量规律性？

Maxim Dmitrievsky 2022.01.29 08:45 #25554

mytarmailS#:

如何衡量规律性？

交易中的机器学习：理论、模型、实践和算法交易 - 页 2556