用深度学习去预测金融市场，这是一个非常吸引人的课题！有很多人在神经网络和深度学习开始流行的时候就开始关注，甚至开始着手构建自己的神经网络深度学习模型。在Github上或者Google可以找到的模型或者例子都会非常简单，你也可能看到一些非常吸引人的论文，甚至看到某个神秘的人宣称自己用LSTM或者其他的模型赚了几十万美金，而最多的你可能看到的是某篇文章宣称带来30%-40%收益，而最后将你引向一个付费的软件。我们不讨论这些付费的软件是否能工作，但是免费的是最贵的！这是大部分人不曾理解的事情，也是大部分人趋同的原因，也是世界的二八法则，甚至远远不到二八，富起来的永远是少数人。这也是为什么会有文末的知识星球链接！ 有人会问，你的知识星球挺贵，便宜意味着门槛低，几十万粉丝的星球大概都是骗人的，尽管你觉得这个钱少无所谓，这就是二八法则。那有人要问了，既然你觉得你已经能稳定盈利了，为什么还需要收费。一，谁也不嫌钱多！二，本金对财富的聚集效应！
回过头来，继续讨论模型。大部分我们看到的模型，基本上是仅仅针对深度学习模型本身。事实上我们以二级市场为例，也就是股票！大部分的模型是这样的，输入可能是十天或者一个月或者更长，用以预测接下来的一天的涨跌。有用分类的，也有用回归的！面临的问题是什么呢？如果做涨跌分类，多天数据预测一天的数据，基本上准确率是上不去的，基本是在50%左右徘徊！如果你做的准确率能到80%甚至更高，唯一的可能性就是引入了未来数据，分类算法在这种真实世界模型下基本不可能过拟合！这个从数据分析的角度是有科学的解释的！这种情况下，我们的真实世界模型是用多天预测一天。 如果我们用多天预测多天呢？答案是，准确率会上去，可能能到60%甚至70%甚至更高，预测周期和准确率当然并不成正比。你需要找到一个合适的周期。也许大家觉得说，这样我不就可以赚钱了吗？首先，这样简单的真实世界模型泛化能力并不好。准确率并不代表你能赚钱，哪怕你有90%准确率，十次对了九次，每次涨幅只有0.1个点，错的那一次跌幅2个点，你仍然是亏损的。并且这样的事情发生的在A股的概率可能有90%！也许有人说了，那么我们应该使用更复杂的模型，三层，四层LSTM，加上CNN，用Capsule，用ResNet50！我们从ImageNet的例子来看，模型提高的准确率都仅仅只在1%-2%左右，而我们还没有找到解决这个问题的最根本的方法，那么一味的去追求模型，这是很多学院里的博士们在做的事情，并且大部分做这个课题的人他们在失败了几次之后，已经否定了这个事情，他们所关注的仅仅是论文！并且在人工智能热潮中，你能看到的现象是大批的博士们来到企业后开始继续写论文，而现在逐渐开始又回到学校和科研院所。无法落地的论文无法给企业带来商业价值，不仅仅因为这些博士们没有工程和产品经验，飘在空中楼阁中，更重要的是因为这些博士们没有经历过什么失败，浅尝辄止！我们继续讨论另一个方向，回归！同样的，大家能Google到的回归算法和模型，可能最多的就是LSTM，大家都认为这可能是最好的时间序列预测的模型，当然也有人用transformer，用小波变换+encoder+decoder，很多种类！无非他们想做的，都是试图挖掘出数据中隐藏的不为人知的秘密！大道至简，很多人没有明白！所有人都在机器学习模型上下功夫，但都忽略了真是世界模型才是解决问题的终极奥义！就像你要理解这个世界是如何运转的，你要理解几个基本的原则，比如资源是有限的，尤其是优等的资源；比如不公正是世界运转的发动机；比如A股能否回归价值投资取决于众多的散户！我们说的是理解，有人说资源是有限我能理解，那么你既然能理解，你为什么觉得你买不起的东西会降价？你为什么会觉得学区房取消是福利？你为什么在骂A股的公司太烂导致都是散户买单，因为本质上你也是个投机分子，而且你期望赚到比巴菲特高出几倍的收益！
我们不能仅仅看数学模型，事实上深度学习仅仅是我们的一个工具，最终我们仍然要去理解我们需要解决的问题的本质。也是大家都在谈的人工智能的落地，落地是一个体力活，也有道在其中！更多内容请关注我的星球： AI量化(https://t.zsxq.com/RvfY37y)
微信公众号请长按
网友评论