如果想不清楚如何解決如下問題，那么冒然搭建股票量化交易系統是非常危險的。本文根據多年開發心得，將搭建過程中遇到的重難點問題進行了梳理。

1、社會中的各種信息是否已經全部反映在了K線中？

有不少觀點認為K線中已經蘊含了所有信息，估計有更多的人不認同這個觀點。對于不認同的觀點而言，一個簡單的反例是我拿出一大筆錢在某一時刻隨機買入某一只股票對其股價造成波動，那么從歷史K線就無法預測出我的這個行為，然而這種行為是噪聲而不是規律。在很多其它的機器學習問題中也會遇到這種噪聲點。所以我認為上面這個反例并不合適。是否有更好的反例？

2、量化交易模型的貝葉斯誤差有多大？

不像圖像分類這種問題，可以很容易找到很多人類專家來估計出貝葉斯誤差。想找到操盤專家的難度相對較大。那么對應的貝葉斯誤差也不容易估計出來。然而人類不一定能完成的事情計算機往往可以完成，比如天氣預報。

3、如何保證評估集和測試集具有相同的分布？

不同于圖像分類、翻譯、語音識別這類問題，量化交易對劃分數據集的要求更高。首先它需要確保訓練集不能透露出未來信息，舉個例子，不能讓模型在t時刻知道任何與[t+1，正無窮)相關的信息。其次，評估集和測試集的分布幾乎一定是不一樣的，因為測試集的分布每天都在變化。

如果按照下面的代碼生成評估集和訓練集，評估集和訓練集的分布是一樣，和測試集的分布不一樣，所以評估集沒有發揮出其應有的作用。此處的評估集更像是train-val，測試集更像是dev，而實盤更像是test。

if (initialMode.equals(Mode.train)) {//最后一段序列不參與評估if (count == 1) {

總結

以上是生活随笔為你收集整理的股票量化交易系统搭建问题探究的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。