使用機器學習的交易算法方法

假設我正在監督一個使用機器學習的算法交易項目。我不參與技術方面的工作，但參與了高層規劃。

該風格可能是動量交易。

有哪些資源可以讓我熟悉這些主題，以及指導項目/對話的主要算法有哪些？謝謝

“機器學習”描述了非常廣泛的算法。這裡只是簡單地介紹幾個概念領域；

• 神經網路
• 強化學習
• 遺傳算法和遺傳程式
• 粒子群優化 (PSO)
• 回歸模型
• 優化常式
• 馬爾可夫模型
• 小波變換和傅里葉變換和頻譜分析。
• 分群

你顯然不能一夜之間就成為這些方面的專家，但你可以通過一些維基百科對他們解決的問題類型有一個大致的了解。

我懷疑您已經意識到這一點，但您不能只收集大量數據，將其放入整體“算法”並獲得結果。最好的結果通常是由於對精確算法所尋求的數據中特定結構的正確猜想。我們今天在“人工智慧”中看到的許多最佳結果本質上是為特定數據的特定任務而設計的手工算法。

毫無疑問，您會在項目中遇到兩件事。

1. 回測——確保有一個算法可以訪問的數據測試平台，並且它沒有“窺探”能力，即它無法訪問當時不可用的數據。一個很好的例子是當股息是“未知的未來價值”時，股息調整後的股票價格。對完全看不見的數據進行測試是真正評估性能的唯一方法，否則您的測試會有偏差，測試結果將與現實不符。

2）算法的組合。可以建構和組合解耦算法，其中另一個算法負責檢測最佳組合。同樣通常通過優化某些功能來完成，例如算法組合的獎勵/風險。這是可以使用遺傳算法/ PSO 的地方。這是合併不同算法範例的最終連結，該範例具有混合獎勵結構和有趣的結果https://sploid.gizmodo.com/microsofts-ai-just-shattered-the-ms-pac-man-high-score -1796091352 - 更好的連結https://blogs.microsoft.com/ai/divide-conquer-microsoft-researchers-used-ai-master-ms-pac-man/#sm.000jjtxcn14wufqgy2q23tdff39d0

引用自：https://quant.stackexchange.com/questions/40270