[其他] 外匯程式交易交流已刪文

看板Option作者 (想妳在0:01分)時間6年前 (2017/12/09 18:01), 6年前編輯推噓10(12推 2噓 41→)
留言55則, 10人參與, 6年前最新討論串1/1
QuantativeTradingStrategies 這本書有 巴克萊 系統性交易和主觀性交易的績效對比 那時根據書上的結果是系統性交易優於主觀性交易 但以最近結果來看 其實已經很接近了 [系統] https://www.barclayhedge.com/research/indices/cta/sub/sys.html [主觀] https://www.barclayhedge.com/research/indices/cta/sub/discret.html 如果要致富 可以看自己想往哪個方向去做 所以我選擇程式交易 當然現在也還在努力中啦 把一些心得放上來 畢竟現在國內外匯保證金才剛開始推動(但手續費...嗯) 粉絲頁以外匯程式交易(EA)為主 https://www.facebook.com/ForexQuantTrading/ 文章大部分為原創 歡迎參觀討論 PS.不開課 不賣程式 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.141.120.102 ※ 文章網址: https://www.ptt.cc/bbs/Option/M.1512813677.A.D19.html ※ 編輯: kain777 (220.141.120.102), 12/09/2017 18:04:45 ※ 編輯: kain777 (220.141.120.102), 12/09/2017 18:07:19
噓
12/09 23:40, 6年前 , 1F
永遠不要忘了,程式最聰明也不過和它的設計者一樣
12/09 23:40, 1F
→
12/09 23:41, 6年前 , 2F
設計者沒有相當的理論基礎和實務交易經驗,寫的東西??
12/09 23:41, 2F
→
12/09 23:56, 6年前 , 3F
樓上 你的說法已經過時了 看看AlphaGo & AlphaGO Zero
12/09 23:56, 3F
→
12/09 23:58, 6年前 , 4F
結果完全超越寫程式的人 機器學習特質跟過去完全不同
12/09 23:58, 4F
→
12/09 23:59, 6年前 , 5F
作者確實需要理論基礎與實務經驗才能有好的結果
12/09 23:59, 5F
噓
12/10 16:17, 6年前 , 6F
我就知你會拿阿法狗出來講，問題是阿法發不太算死程式
12/10 16:17, 6F
→
12/10 16:17, 6年前 , 7F
，而是Ai，台灣有工程師、有這樣的財力、智力寫出來，
12/10 16:17, 7F
→
12/10 16:17, 6年前 , 8F
然後又拿出來分享?
12/10 16:17, 8F
→
12/10 16:19, 6年前 , 9F
再者，阿發狗程式設計師寫入如何下圍棋，至於下好圍棋
12/10 16:19, 9F
→
12/10 16:19, 6年前 , 10F
那是狗自己深度學習的
12/10 16:19, 10F
推
12/10 17:43, 6年前 , 11F
好像很會說但是不知道怎麼做 QQ
12/10 17:43, 11F
推
12/10 17:46, 6年前 , 12F
基本上狗跟狗零的做法就不太一樣 想瞭解就多去看看paper Q
12/10 17:46, 12F
→
12/10 17:46, 6年前 , 13F
Q
12/10 17:46, 13F
→
12/10 22:31, 6年前 , 14F
我當然知道那是不同的 我正在學習怎麼做QQ
12/10 22:31, 14F
→
12/10 22:32, 6年前 , 15F
正常人如果寫出來應該是留著自己賺 而不是拿出來分享
12/10 22:32, 15F
→
12/10 22:35, 6年前 , 16F
主要差異 AlphaGo有人類棋譜 AlphaGoZero沒有人類棋譜
12/10 22:35, 16F
→
12/10 22:37, 6年前 , 17F
ai太廣泛了 嚴格來說那叫做機器學習
12/10 22:37, 17F
→
12/10 22:37, 6年前 , 18F
深度學習也是一種機器學習的方法 但還有其他的方法
12/10 22:37, 18F
→
12/10 22:40, 6年前 , 19F
我想說的是 未來交易用的程式自我學習能力會很普遍
12/10 22:40, 19F
推
12/10 23:28, 6年前 , 20F
機器學習裡面的1種是深度學習 深度學習裡面還有很多中方法
12/10 23:28, 20F
→
12/10 23:28, 6年前 , 21F
cnn rnn 等等的 狗跟狗零 又是用不同方法的結合所做出的
12/10 23:28, 21F
→
12/10 23:28, 6年前 , 22F
產品
12/10 23:28, 22F
→
12/10 23:29, 6年前 , 23F
但是那樣的架構適合解決圍棋問題 應用在金融交易上 又是
12/10 23:29, 23F
→
12/10 23:29, 6年前 , 24F
完全不同的QQ
12/10 23:29, 24F
推
12/10 23:37, 6年前 , 25F
想用深度學習解決金融交易問題 先去看看基本理論 就會知道
12/10 23:37, 25F
→
12/10 23:37, 6年前 , 26F
金融交易問題有先天上不適合用深度學習技術解決的
12/10 23:37, 26F
→
12/10 23:39, 6年前 , 27F
K5哥這也懂 厲害~
12/10 23:39, 27F
推
12/10 23:42, 6年前 , 28F
K5哥試了好多測了好多也懂了好多，佩服
12/10 23:42, 28F
推
12/10 23:49, 6年前 , 29F
RNN滿適合用來做台指期的喔～
12/10 23:49, 29F
→
12/10 23:49, 6年前 , 30F
另外也有用CNN分析型態的，不同類型的神經網路各有擅長的
12/10 23:49, 30F
→
12/10 23:49, 6年前 , 31F
方向
12/10 23:49, 31F
推
12/10 23:55, 6年前 , 32F
f5大也懂 太強了（跪
12/10 23:55, 32F
→
12/11 01:21, 6年前 , 33F
所以才需要一個懂機器學習又懂金融交易理論與實務的人
12/11 01:21, 33F
→
12/11 01:23, 6年前 , 34F
機器學習的方法很多 所以本質上還是一種試誤法
12/11 01:23, 34F
→
12/11 01:24, 6年前 , 35F
一個很懂金融交易理論與實務的人來嘗試較可能有好結果
12/11 01:24, 35F
→
12/11 01:26, 6年前 , 36F
向f5說的類神經網路就有很多種 深度學習也是其中一種
12/11 01:26, 36F
→
12/11 01:28, 6年前 , 37F
類神經網路以外的機器學習也還有很多方法 總之...
12/11 01:28, 37F
→
12/11 01:29, 6年前 , 38F
機器學習發展的可能性太多了 絕對不會很死板
12/11 01:29, 38F
→
12/11 01:31, 6年前 , 39F
所以想解決金融交易問題不需要被綁死在深度學習
12/11 01:31, 39F
→
12/11 01:33, 6年前 , 40F
最近機器學習的相關教材與範例已經很容易取得
12/11 01:33, 40F
→
12/11 01:35, 6年前 , 41F
真的很有趣 除了回測績效 還可以發現很多知識
12/11 01:35, 41F
→
12/11 01:36, 6年前 , 42F
除了市場上老生常談的知識 也有完全沒聽過的知識
12/11 01:36, 42F
推
12/11 02:47, 6年前 , 43F
AI基金不是績效慘慘?
12/11 02:47, 43F
推
12/11 11:00, 6年前 , 44F
說真的不用太神話ML 資料的品質比演算法重要太多了
12/11 11:00, 44F
→
12/11 11:00, 6年前 , 45F
所以一堆主觀的高手績效都屌打程交
12/11 11:00, 45F
推
12/11 11:01, 6年前 , 46F
程式>人腦的地方只有做portfolio 相對比較穩 還有資
12/11 11:01, 46F
→
12/11 11:01, 6年前 , 47F
金比較不受主觀控制可以看到期望值穩穩的放大吧
12/11 11:01, 47F
推
12/11 14:05, 6年前 , 48F
樓上正確 資料品質差根本就是垃圾進垃圾出
12/11 14:05, 48F
→
12/11 14:05, 6年前 , 49F
其實還有一個重點是資料多元性 有用的資料越多越好
12/11 14:05, 49F
→
12/11 14:07, 6年前 , 50F
成交價量 最佳五檔報價 盤後籌碼 產業經濟 政治風向...
12/11 14:07, 50F
→
12/11 14:08, 6年前 , 51F
夠好夠多元夠關鍵的資料 用簡單的演算法就很強了
12/11 14:08, 51F
→
12/11 14:10, 6年前 , 52F
簡單說就是就算有AlphaFuOp 也打不贏內線交易
12/11 14:10, 52F
推
12/11 14:27, 6年前 , 53F
程式的瞬時決策力也是人腦永遠追不上的。
12/11 14:27, 53F
→
12/11 14:53, 6年前 , 54F
所以高頻交易永遠是程式交易的天下
12/11 14:53, 54F
→
12/11 18:02, 6年前 , 55F
日本Simplex用AI幫忙決策 https://goo.gl/5mBwCu
12/11 18:02, 55F
‣ 更多 kain777 的文章
文章代碼(AID): #1QAxHjqP (Option)