※ 引述《felix0517 ()》之銘言：
: 問題：不知道版上有沒有人使用深度學習選股?
: 除了把資料分成測試集跟訓練集，
: 還有什麼方法可以用來確定深度學習的結果是否真的可以使用?
你犯的問題跟深度學習沒關係
是更根本的 怎麼測試投資策略 的問題
: 最近用深度學習跑出一個模型
: 把財報餵給電腦，讓電腦自行去尋找模型
: 把2014~2017當成訓練資料
: 2017以後當成測試資料
: 從2014年到現在投報率695%
: 同樣的區間 0050 投報率是271%
: 台積電 投報率是624%
首先你14-17是in-sample 17到現在是out-of-sample
那你比較報酬 怎麼會是從14年開始呢?
這還是你犯的問題裡面比較小的... 後面的問題更大
: 模型曾經最少選出2檔股票，最多選出20檔股票
: 進出場時間為財報公布日隔天(所以一年只交易四次)
: 交易都有含手續費跟稅金
這點做得不錯 幫你點出來 很多人算報酬都忽略fee跟tax
: 我目前有真倉下去跑
: 初步看起來效果不錯，有擊敗大盤跟0050
: 4/1(財報公布隔天)到現在投報率有7.5%
首先你建立的策略是用季度的資料 那你衡量報酬就該至少是以季度為單位
再者 合理來說我們應該看的是 你用這個策略玩了好幾季 (像是5年20個季度)
這20季的報酬是否 平均而言 統計上 顯著高於大盤每季的平均
你現在只看4/1到現在 甚至連一季都不到
你問的問題就像在說 幹我怎麼骰子擲出6 明明骰子的期望值是3.5啊
怎麼可能高出那麼多 真是不合理!?
: 我原本是想要找出可以贏過0050跟大盤的模型
: 結果竟然贏過台積電
: 讓我覺得有點匪夷所思 是不是哪裡有問題
: 而且我有研究每季選的股票
: 完全沒有選過台積電
: 台積電的財報應該不會不好
: 所以完全搞不懂深度學習選股的邏輯
最後再提一點
版上大部分人也很容易忽略的
評估一個策略 只看報酬絕對是很奇怪的一件事
市場上的名言 高風險高報酬
你只看報酬 完全不考慮承擔的風險的話 那根本沒有意義
只是要追求超高報酬 只要瘋狂槓桿 你的期望報酬都可以很高
詳細地說的話
雖然討論你從4/1到目前的報酬 統計上一點意義都沒有
但我猜最有可能的就是你的策略讓你挑的都是高beta的股票
剛好從4/1到今天台股和美股 大盤都漲超過4%
以兩周內大盤的走勢來說是非常bullish的
你的投資組合 beta高 波動度高 當然就有更高的報酬
真的要衡量一個策略的好壞 還是要看alpha
也就是去除掉和風險因子連動的超額報酬才有意義
而且像上面提到的
你不可能只看一期 (或甚至連一期都不到的時間)