三年半前我也回了你一篇相似的文章,
https://www.ptt.cc/bbs/Stock/M.1554101334.A.44D.html
我就來談談我當初用Deep Learning 建構TQQQ 模型的情況
首先,
"賭博的數學"就是機率,
不論賭場或是股市大部分都是在算機率,
賭場會設立規則讓莊家有較高的勝率,
長遠來看就莊家一定會賺錢,
對, 我在說廢話,
但是就是這麼簡單
股票線仙也是一樣的方式,
各種線就是用統計學的方式算出/畫出線,
再取勝率高的方式,
比方說破月均線等等,
說穿了還是機率,
勝率高不保證必勝,
所以不能每把都All in,
最好的做法是每把都投一樣少數的錢,
勝率高次數多就自然會賺錢
再來說到我的TQQQ 模型,
Deep Learning/Machine Learning 一樣也是在算機率,
在那之前,
我先說一個觀念 overfitting:
https://en.wikipedia.org/wiki/Overfitting
簡單說,
就是如果有人說他的模型回測數據100% 正確,
那就是 overfitting,
這個回測100%的模型基本上就是垃圾,
因為你是在預測未來, 不是預測過去,
你把過去數據完全吻合的模型就會overfitting
所以一般的做法是會有training, validation, test sets,
https://en.wikipedia.org/wiki/Training,_validation,_and_test_data_sets
也就是把過去數據"隨機"分成三包,
一包拿來training 建模型,
一包拿來validation,
最後一包拿來測試,
這樣可以避免overfitting,
同樣的,
這樣產生的模型只求高勝率, 不是必勝,
所以作法是一小塊一小塊的買/賣,
只要勝率高次數多就會賺錢
我的TQQQ 模型現在已經是第三代模型,
預測到2020年底部抄底跟2021年賣出,
但是在去年2022年底跟今年初摔了一大跤,
抄底抄到沒錢,
所以還是不要做太大,
多留點子彈
※ 引述《ProTrader (沒有暱稱)》之銘言：
: 真的有隨機但可預測的實例就是複雜科學 以椋鳥群飛的例子來說
: 任何一隻椋鳥個體飛行都是隨機無法預測 然而椋鳥群體變動可預測
: 這真的很神奇個體隨機而群體可預測
: 在生活中最重要的應用應該是天氣預測 下雨 颱風之類的
: 椋鳥群飛的影片
: https://www.youtube.com/watch?v=O5auXBB_RvU
: https://www.youtube.com/watch?v=74-p8fNsUl0
: 有得諾貝爾獎
: https://pansci.asia/archives/334249
: https://thupr.thu.edu.tw/newsdetail.php?id=5182
: 股點是
: 類推到股市 單一股票價格K線個體無法預測但K線的群體型態可預測
: 尤其是那些用裸K交易的人 我猜他們就是直接預測出K線群體型態變動
: 就看看有沒有複雜科學的專家可以真的找到K線型態的預測模型
: 但我猜最終股價預測也會類似預測颱風路徑出現很多條
: 到時候就是去找最大可能性路徑
: 應該會有參考價值但不是穩贏的聖杯
: ※ 引述《peter308 (pete)》之銘言：
: : 我最近被一件事情困惑很久 但有比較想通了
: : Fama提過的效率市場理論
: : 如果效率市場是對的 那麼將會無法套利 也就無法打敗大盤
: : 另一個方面 曼德柏提出碎形市場 意味市場是有一些模式
: : 所以技術分析者才有辦法透過分析這些訊號去獲得"超額報酬"
: : 這兩各學派是互相矛盾的 而且都想消滅對方
: : 簡單說 一個灌了鉛的骰子 在其點數出現的機率會偏離1/6
: : 也是因為這樣 才會讓出老千的人有利可圖
: : 但我最近發現
: : 隨機性越高(disorder越高) 在某些條件下 會觸發某些狀態
: : 導致其變得反而更可以穩定預測去狀態
: : 這是否提供了一個全新的理論基礎
: : 在這基礎之上 統合 Fama 和 曼德柏的兩個互為矛盾的學派變得可能??
: : 有人覺得這是個不錯方向的嗎?
: : 也就是一個隨機性越高的(量子)骰子
: : 反而陰錯陽差地導致了某種記憶效應 讓它變的是可預測的
: : 題外話
: : 上述的特殊狀態是量子系統才有的
: : 但股市是古典系統還是量子系統?
: : 目前這問題(請益過這領域的專家學者)仍就沒有一個明確的答案