各领风骚三五月

野狐禅

各领风骚三五月

来自：MACD论坛(bbs.macd.cn) 作者：野狐禅 浏览：3754 回复：31

The following is a message I posted at www.goofiz.com talking about machine learning and mechanical trading system:

自饭太稀创股匪抹泥账号，众匪徒日日抹泥为乐。弄得上清观门庭冷落，老道的万倦归终死翘翘的了。

市场大约经过三个月就会改变其行为。人要是不能相应的调整自己以适应市场，所谓三岁看大，七岁看老的话，学巴匪躲着市场还是一个好主意。短期交易需要不停学习。下面是 RandomWalk 学习　SPY 短期交易的一个例子。

RandomWalk 使用了 2000.4-2002.4 的数据去学习　SPY　交易，10K 起步，交易费　10. 学习结果是：

spy.0002.csv 494-days
...
Account Value ........... 25040
Tradings ................ 105
Average Turnover Days ... 4
Annual Return Rate ...... 59.13%
Dollar-Cost-Averaging ... -1.15%

然后，用了 2002.4-2004.4 的数据去模拟交易。可以看到，交易系统的表现在经三，五个月达到峰值以后，开始下降（这对机器不是问题，可以连续学习以保持更新）：

test\spy.0204.csv 491-days
Day 486 SS @107.55 x 92 $10000
Day 485 C @107.03 x 92 $10038
Day 485 B @107.03 x 93 $10038
Day 479 S @105.62 x 93 $9885
Day 478 SS @105.14 x 95 $9885
Day 457 C @100.84 x 95 $10284
Day 457 B @100.84 x 101 $10284
Day 455 S @102.17 x 101 $10400
Day 455 SS @102.17 x 101 $10400
Day 441 C @92.49 x 101 $11375
Day 441 B @92.49 x 122 $11375
Day 439 S @96.41 x 122 $11837
Day 439 SS @96.41 x 122 $11837
Day 425 C @84.29 x 122 $13314
Day 425 B @84.29 x 157 $13314
Day 420 S @82.24 x 157 $12969
Day 420 SS @82.24 x 157 $12969
Day 393 C @86.09 x 157 $12353
Day 393 B @86.09 x 143 $12353
Day 390 S @86.56 x 143 $12401
Day 390 SS @86.56 x 143 $12401
Day 383 C @84.53 x 143 $12683
Day 383 B @84.53 x 149 $12683
Day 377 S @82.97 x 149 $12429
Day 377 SS @82.97 x 149 $12429
Day 325 C @87.85 x 149 $11688
Day 325 B @87.85 x 132 $11688
Day 324 S @88.24 x 132 $11720
Day 324 SS @88.24 x 132 $11720
Day 298 C @89.12 x 132 $11594
Day 298 B @89.12 x 129 $11594
Day 289 S @84.47 x 129 $10970
Day 283 SS @82.74 x 132 $10970
Day 281 C @80.56 x 132 $11248
Day 281 B @80.56 x 139 $11248
Day 279 S @82.9 x 139 $11554
Day 274 SS @81.35 x 141 $11554
Day 264 C @79.9 x 141 $11750
Day 264 B @79.9 x 146 $11750
Day 261 S @82.57 x 146 $12121
Day 241 SS @86.8 x 139 $12121
Day 191 C @97.06 x 139 $10680
Day 191 B @97.06 x 109 $10680
Day 186 S @96.11 x 109 $10555
Day 186 SS @96.11 x 109 $10555
Day 172 C @97.53 x 109 $10389
Day 172 B @97.53 x 106 $10389
Day 170 S @98.81 x 106 $10506
Day 169 SS @97.5 x 107 $10506
Day 125 C @99.62 x 107 $10268
Day 125 B @99.62 x 102 $10268
Day 121 S @101.09 x 102 $10400
Day 109 SS @103.59 x 100 $10400
Day 85 C @103.39 x 100 $10411
Day 85 B @103.39 x 100 $10411
Day 83 S @104.86 x 100 $10539
Day 72 SS @105.81 x 99 $10539
Day 8 C @111.39 x 99 $9973
Day 8 B @111.39 x 89 $9973
Day 6 S @112.3 x 89 $10035
Day 4 SS @110.54 x 90 $10035

fract

有点意思！

iedge

最后又回到了原点

iedge

能否详细讲讲你用的“学习”算法？基于什么结构基础？何种理论？
它依据什么来判断并预测？（难道只是历史数据？）

野狐禅

Originally posted by iedge at 2004-4-25 11:17 AM:
能否详细讲讲你用的“学习”算法？基于什么结构基础？何种理论？
它依据什么来判断并预测？（难道只是历史数据？）

只用历史数据来判断并预测。

野狐禅

Originally posted by iedge at 2004-4-25 11:13 AM:
最后又回到了原点

这就是这贴子标题想说的，短期交易需要不停的学习。任何好东西，几个月后可能就不行了。

iedge

to 野狐禅:
     你好,如果你的Dollar Cost Averaging Trading (dCAT) System是赚钱的,而市场只是每三五个月才变化一次,你为何不选择"只赚三五个月的钱"这种方式呢？可以让机器进行三五个月的交易后，再推翻从头再来．
　　我正在看你在goofiz上的帖子，没怎么看懂还要想想，另外问一个比较私人的问题（不好回答就算了）：你是从事什么样的工作，是不是＂机器学习＂，这样的研究还有公司在专门进行，都做那方面的应用？谢谢

iedge

不对，我纠正，关键是如何得知何时开始亏钱，好及时结束，这一转折点不好判断

iedge

而且，赢率偏小，如果实际操作中还要减去手续费就没省什么了……

iedge

好像你的系统只是追求“局部最优化”而不起更远的“全局最优化”，当然，追求的时间跨度越大风险就越大，预测的准确性又要打折扣了

野狐禅

Originally posted by iedge at 2004-4-26 09:59 PM:
好像你的系统只是追求“局部最优化”而不起更远的“全局最优化”，当然，追求的时间跨度越大风险就越大，预测的准确性又要打折扣了

Almost all existing optimization methods are about local optimization. Also, any chaotic system does not have accurate long term prediction, weather forecasting is another example.

野狐禅

Originally posted by iedge at 2004-4-26 09:58 PM:
而且，赢率偏小，如果实际操作中还要减去手续费就没省什么了……

That depends on stocks, usually in the range of 5-50% return annualy. At USA, commission is fixed at about $10 per-trade. If one bought $10K at once, sold at 10% profit, i.e., $1000, the fee is 2x10=20, not a big deal.

野狐禅

Originally posted by iedge at 2004-4-26 02:48 PM:
你是从事什么样的工作，是不是＂机器学习＂，这样的研究还有公司在专门进行，都做那方面的应用？

Yes. I also have few pending patents on the field.

野狐禅

Originally posted by iedge at 2004-4-26 09:47 PM:
关键是如何得知何时开始亏钱，好及时结束，这一转折点不好判断

The assumption of dCAT is that one does not know any turning point, nor the direction of a stock.

tanvd

Originally posted by 野狐禅 at 2004-4-25 11:38 PM:

这就是这贴子标题想说的，短期交易需要不停的学习。任何好东西，几个月后可能就不行了。

第2个的 “几个月后” 会如何？ 第3个的 “几个月后” 呢？ 请赐教。

野狐禅

Originally posted by tanvd at 2004-4-29 01:58 PM:
第2个的 “几个月后” 会如何？ 第3个的 “几个月后” 呢？ 请赐教。

The new knowledge about short term trading would be useful no more than few months, so that human or a system would have to constantly discover or renew its knowledge about the trading.

iedge

1、看起来，您好像也想到了这个策略：让机器每几个月就重新学习，以应付变化的市场。那么您实现过吗？数据又怎样？

2、

Originally posted by 野狐禅 at 2004-4-26 22:48:

The assumption of dCAT is that one does not know any turning point, nor the direction of a stock.

我好像没有表达清楚，我说指的转折点是以几个月的时间为周期“让机器重新学习”的时间点，这一时间点该如何判断呢？计算总的盈亏量来决定，还是根据当时的市场表现决定？
另外， 您所提到的这一假设似乎很有趣，能进一步阐述一下吗

luoqun

对不起，您两次发表间隔少于 30 秒，请不要灌水！

iedge

我大致看了看，觉得现在纯粹靠机器操作的系统成功率似乎并不高。我看过“海底捞月”和“ShunxinQQQ Daytrade”的记录，都比纯机器操作的好很多。我不知道现在除了您的系统外还有没有其他成功的系统？效果如何？


另外昨天我在看介绍机器学习的书，它们学习的大都是人们定义的概念、知识，而机器去发现知识的例子好像还很少。（当然，我也只是看了一点点肤浅的东西）是这样吗？

iedge

像“海底捞月”这样按照某种固定的简单模式操作（我推测的），效果还真不错！



http://smart.stockstar.com/smart/step_6.asp