Step1. 先用一個簡單的策略做進出場，並記錄當下特徵狀態
這邊說的特徵其實就是可以量化的各種東西，
RSI數值、Put Call Ratio、公債殖利率...等都可以拿來當做特徵
這樣整理後會出現類似下表
Step2. 將獲利做為分類目標，嘗試是否有特徵可良好完成分類
也就是看看是不是在某些特定情況下，該策略會有較良好的獲利
如果有的話，以後這些特定情況出現時，我也會較有信心進場
以上圖來說，RSI數值似乎可以當做一個不錯的特徵，
我可以選定以後RSI大於20的話我的口數進場兩倍
但真實世界沒這麼簡單，目前隨便嘗試一下，分類正確率都跟射飛鏢一樣。
這個結果也可能是我沒有真正學習過機器學習的關係，目前就是會使用一些現成套件，並把資料倒進去看看效果如何，看來要真正使用機器學習還是要先了解一下背後的原理才行。
關於套件
我使用的是python的sklearn，下圖是sklearn官網上用svm分類的例子
可以看出真得非常簡單使用，不到五行就可以用聽起來超厲害的SVM(Support vector machine；支持向量機)做完分類
沒有留言:
張貼留言