如何結合傳統交易模式和機器學習算法來建構交易系統？

傳統上，零售交易者利用通過應用圖形工具（如旗幟、分形、三角旗、頭、肩等）發現的價格模式。

然而，雖然這種方法對許多人來說非常有利可圖，但它通常基於個人憑經驗檢測/視覺化趨勢的能力。

如今，機器學習和神經網路是圖形辨識的完美工具。

來到這個問題。

假設一個人想要交易價格模式並且了解機器學習和其他統計概念。

• 分類算法的因變數應該如何定義？使用簡單的 0/1（向下/向上價格）還是使用傳統模式作為因變數更好？
• 或者，是否將價格模式用作自變數？或者機器學習和神經網路模型是否能夠在不利用經驗上可用的模式規則（如標誌、三角旗等）而不是使用其他預測器的情況下辨識模式？

聽聽別人的意見真是太好了。

因此，在將其與您的問題聯繫起來之前，我將從最近為我的本科論文所做的事情開始。

我在技術分析數據上訓練了一個 SVM，以對下一小時的趨勢進行分類。與您的策略不同，我沒有用/用於目視檢查價格模式等來訓練模型，而是根據幾十個技術分析指標***的變化率訓練模型。***現在我為自己選擇的標籤是[1,0,01] (Buy/Hold/Sell). 我之所以選擇這個，是因為這些決定通常是 TA 指標本身規定的（如果快速信號線高於慢線則買入，持有，當快線跌破慢線時賣出等）。

$ 1.) $ 對於您的情況，我建議您制定一種buy/sell/hold基於基礎進行交易的策略。否則，您的系統在每個時間段都在進行交易 $ t $ ，費用的積累會削弱任何補救性收益。

$ 2.) $ NN 不能靠自己簡單地“拾取”標誌、趨勢線、三角收斂等。它需要將價格行為的上下文映射到適當的標籤，以對這些模式檢測進行上下文化。我會使用一些基於圖像辨識的訓練，以便模型可以對“頭肩”類型的圖案等進行分類。然後顯然取決於您如何提示模型自行決定交易。

我希望這個答案有幫助。如果您需要，我將在評論部分進一步討論。

引用自：https://quant.stackexchange.com/questions/53905