Python投資|85%命中率﹗Machine Learning搵出有效短炒策略

投資

廣告

無需諗炒股策略 交由AI自行分析也有57%勝率 連跌買入策略backtest program AI自動預測股價program公開

筆者在本系列的第一篇文章,介紹了Python機械學習(Machine Learning)的原理,是使用決策樹(Decision Tree)模型,而Python上有多個決策樹的函式庫(library),原理大同小異,先通過向決策樹投放數據,讓決策樹學習數據的規律,例如在哪些參數存在時,便存在某些數值或物件等,然後給予決策樹全新的參數,要它預測將衍生哪些數值或物件等,便達成機械學習的效果。

而在這一篇文章,筆者會為大家導讀IT人使用機械學習的例子。筆者對他們的研究也感到驚喜,因為看到經機械學習的改良後,有些策略的sharpe(夏普比率)居然達到6.5或以上,這是十分誇張的,因為能達到1.5已屬罕有。

這次要討論的文章,名為「The Rise Of Automated Trading: Machines Trading the S&P 500」,原作者是Andrea Nalon,他所使用的決策樹屬於graphlab,不是sklearn,連結如下:

https://www.toptal.com/machine-learning/s-p-500-automated-trading

撰文:經一編輯部圖片來源:經一編輯部資料或影片來源:經一編輯部