Re: [標的] 台指大盤 機器學習線仙多

※ 引述《sky22485816 (玻利維亞)》之銘言： : 1. 標的：台指大盤 (例 2330.TW 台積電) : 2. 分類：多 : 3. 分析/正文： : 使用RadiusNeighborRegressor回歸多項技術分析特徵 : 包含價格 RSI KD 成交量... 等等 : 用其找出歷史上相似特徵的收益 : 其高維特徵投影到二維上的分布如下 : 資料時間是2017年6月到現在約1300個交易日 : 藍色點表示20個日後加權指數高於當下 : 紅色則反之 : https://imgur.com/iJfDC0P

: 昨日的點位大概是紅圈圈起來的地方 : 在範圍內有50個鄰居 : 表示曾經有五十個類似昨日的訊號 : 統計分布如下 : https://imgur.com/Okvxllg

: 其中有約75%的鄰居20日後的指數會高於當下 : 平均漲480點 : 歷史上發生的最高虧損約1000點 : 門票 : https://imgur.com/18p253C

因為今天是期貨結算日 明天以後有可能因為別的短週期策略放空 對帳單上的平倉損益會失真 所以提早兩天發文 這篇文的標的還是會在5/19日盤收盤的時候平倉 目前的未平倉損益約為+200點 https://imgur.com/SCz4xdn 另外此策略在5/10號 15473又做多一口 目前未平倉損益+380 是因為在那天也滿足此策略進場條件 只不過因為上次發文的部位還沒有平倉 所以就沒有說 第二個訊號的入場原因一併補充 https://imgur.com/KfYBLiD 那天的數據特徵大約在圖片中黑色圈圈處 歷史上有53個neighbors 其中有85%的數據20日後的指數會高於當下 平均期望損益約400點 https://imgur.com/szpv3Q6 ------------------------------------ 我的表達能力可能有點差 不過簡單的類比給大家 例如說題目是看身高體重猜測腰圍 身高、體重是特徵，而腰圍就是要迴歸的數據 所以今天一個人他體重是90KG，身高170CM 當你需要預估他的腰圍時 你會去查查 體重在85~95KG，身高165~175CM的人 他們的腰圍平均是多少，來當作你的預測 這大概就是RadiusNeighborRegressor在做的事情 當然還需要對數據做一些前處理，特徵篩選，以及調整超參數之類的 對機器學習有興趣的可以在Youtube搜尋一下台大李宏毅老師 他的課程內容很好，我是他粉絲 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 122.116.44.75 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1684302812.A.DEB.html