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

永遠不要忘了,程式最聰明也不過和它的設計者一樣設計者沒有相當的理論基礎和實務交易經驗,寫的東西??

樓上 你的說法已經過時了 看看AlphaGo & AlphaGO Zero結果完全超越寫程式的人 機器學習特質跟過去完全不同作者確實需要理論基礎與實務經驗才能有好的結果

我就知你會拿阿法狗出來講，問題是阿法發不太算死程式，而是Ai，台灣有工程師、有這樣的財力、智力寫出來，然後又拿出來分享?再者，阿發狗程式設計師寫入如何下圍棋，至於下好圍棋那是狗自己深度學習的

好像很會說但是不知道怎麼做 QQ基本上狗跟狗零的做法就不太一樣 想瞭解就多去看看paper QQ

我當然知道那是不同的 我正在學習怎麼做QQ正常人如果寫出來應該是留著自己賺 而不是拿出來分享主要差異 AlphaGo有人類棋譜 AlphaGoZero沒有人類棋譜ai太廣泛了 嚴格來說那叫做機器學習深度學習也是一種機器學習的方法 但還有其他的方法我想說的是 未來交易用的程式自我學習能力會很普遍

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cnn rnn 等等的 狗跟狗零 又是用不同方法的結合所做出的產品但是那樣的架構適合解決圍棋問題 應用在金融交易上 又是完全不同的QQ想用深度學習解決金融交易問題 先去看看基本理論 就會知道金融交易問題有先天上不適合用深度學習技術解決的

K5哥這也懂 厲害~

K5哥試了好多測了好多也懂了好多，佩服

RNN滿適合用來做台指期的喔～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方向

f5大也懂 太強了（跪

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機器學習的方法很多 所以本質上還是一種試誤法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向f5說的類神經網路就有很多種 深度學習也是其中一種類神經網路以外的機器學習也還有很多方法 總之...機器學習發展的可能性太多了 絕對不會很死板所以想解決金融交易問題不需要被綁死在深度學習最近機器學習的相關教材與範例已經很容易取得真的很有趣 除了回測績效 還可以發現很多知識除了市場上老生常談的知識 也有完全沒聽過的知識

AI基金不是績效慘慘?

說真的不用太神話ML 資料的品質比演算法重要太多了所以一堆主觀的高手績效都屌打程交程式>人腦的地方只有做portfolio 相對比較穩 還有資金比較不受主觀控制可以看到期望值穩穩的放大吧

樓上正確 資料品質差根本就是垃圾進垃圾出其實還有一個重點是資料多元性 有用的資料越多越好成交價量 最佳五檔報價 盤後籌碼 產業經濟 政治風向...夠好夠多元夠關鍵的資料 用簡單的演算法就很強了

程式的瞬時決策力也是人腦永遠追不上的。

所以高頻交易永遠是程式交易的天下

日本Simplex用AI幫忙決策 https://goo.gl/5mBwCu