真的有可能為日內交易創建一個強大的算法交易策略嗎？
我是一名工程師，正在為我的量化金融領域的碩士論文做學術研究，主要目的是研究創建日內交易算法的可能性。
我嘗試了回歸算法 (SVR) 來預測未來價格但沒有成功，目前我正在使用提升決策樹 (BDT) 來解決分類問題（長/短/出），我將利用每日趨勢（放置一天開始的訂單，一天結束的時候賣出），例如：
- 當BDT預測Close > Open*(1+a)時做多
- 短時BDT 預測Close < Open*(1-a)，其中 ‘a’ 是誤差間隙；
我正在使用技術指標：RSI、MFI、SMA、EMA、MACD、ATR、布林線以及它們的線性組合。我認為我做的一切都是正確的，所有指標值都使用開盤價進行標準化，我正在使用交叉驗證的指標和網格搜尋來查看技術指標和增強決策樹的不同參數組合。
但直到現在看來，至少在盤中，市場只是一個隨機過程！我還閱讀了一些線上可用的文章，並發現了一些錯誤（例如使用滯後數據或指標值），這使我相信大多數文獻都是垃圾，我的意思是如果每個人都嘗試創建產生正回報的交易算法是成功的，對吧？！我什至不會談論使用技術分析與支撐和阻力的荒謬文章，我生成了幾何布朗運動圖，我也看到了那些假設的支撐和阻力，但它們背後沒有理性，只是人們對事物的想像不存在。
你對這個話題有什麼看法？您了解成功的日內交易算法嗎？日均回報率是多少（0.01%、0.1%、1%）？
這麼複雜的問題…
幾何布朗運動 (GBM) 通常不會幫助找到基於技術的策略，因為技術交易者的追求是從隨機遊走中找到市場偏差。
然而，一些策略，例如“止盈/止損”策略可以工作，（或至少可以改變風險/回報概況）在有限滑點假設下使用 GBM（止損由於跳躍而無效）價格）。這是由於可能性與風險/回報的非線性關係。
實證結果與實際交易的典型問題涉及在決定策略時對數據/模型的過度擬合。如果一個策略是成功的，人們怎麼知道它是因為它是一個好的策略，還是後來傳聞有效？
如果給 10000 隻猴子買/賣按鈕，他們的結果可能接近正態分佈。如果一個人把表現最好的猴子給他們買/賣按鈕，其中一些會比其他的表現更好。有人能說一下表現最好的猴子嗎？
類似地，如果一個人在一組測試數據上測試了足夠多的策略，那麼有些策略會很好地工作。如果數據被分成兩組？一個測試策略，一個策略選擇，另一個單獨的數據集進行確認？好吧，做得夠多了，有些人會比其他人表現得更好。這些是“數據窺探”的範例。它通常會激增——從線上文章，甚至是文學——書籍和學術論文。所以需要對數據進行嚴格的數據拼接，但這可能會出現其自身的問題，包括數據集之間某些屬性的相關性。
回答您的問題：
是否可以找到成功的盤中策略？
我的信念是肯定的——基於我在投資銀行工作的經驗和我自己的研究。高度依賴市場和外部因素通常需要將策略改進到可以盈利的程度。有大量的書籍和論文提出了諸如動量、情緒、自相關、均值回歸、趨勢以及許多技術等問題。他們怎麼能工作？因為實際上市場並不總是隨機的——存在非隨機的時期。有時這些是被噪音協奏曲（尤其是短期的）掩蓋的微小吱吱聲。但是，如果你能找到這些非隨機的口袋，你就能找到成功的策略。
如果你不相信我，那就听聽來自文藝復興時期的人，有史以來最成功的對沖基金之一：Jim Simons 採訪連結
注意：我並不是建議他們在該詞的典型用法中使用“技術”。他們可能會，也可能不會。我不知道他們使用什麼，但我相信他們使用的模型不僅僅基於基本原理。