Python投資｜85%命中率﹗Machine Learning搵出有效短炒策略
廣告
無需諗炒股策略 交由AI自行分析也有57%勝率
連跌買入策略backtest program
AI自動預測股價program公開
筆者在本系列的第一篇文章，介紹了Python機械學習（Machine Learning）的原理，是使用決策樹（Decision Tree）模型，而Python上有多個決策樹的函式庫（library），原理大同小異，先通過向決策樹投放數據，讓決策樹學習數據的規律，例如在哪些參數存在時，便存在某些數值或物件等，然後給予決策樹全新的參數，要它預測將衍生哪些數值或物件等，便達成機械學習的效果。
而在這一篇文章，筆者會為大家導讀IT人使用機械學習的例子。筆者對他們的研究也感到驚喜，因為看到經機械學習的改良後，有些策略的sharpe（夏普比率）居然達到6.5或以上，這是十分誇張的，因為能達到1.5已屬罕有。
這次要討論的文章，名為「The Rise Of Automated Trading: Machines Trading the S&P 500」，原作者是Andrea Nalon，他所使用的決策樹屬於graphlab，不是sklearn，連結如下：
https://www.toptal.com/machine-learning/s-p-500-automated-trading
撰文：經一編輯部圖片來源：經一編輯部資料或影片來源：經一編輯部
