策略最佳化是有效的嗎?(附程式碼)
你有沒有用過 Python 、 Multicharts、R 等等的回測工具嗎? 工具越來越強大,伴隨著平行運算,參數最佳化變得越來越容易 但有時候,這些強大的工具,反而是一種陷阱! 讓我們一步步走進陷阱而不自知
你有沒有用過 Python 、 Multicharts、R 等等的回測工具嗎? 工具越來越強大,伴隨著平行運算,參數最佳化變得越來越容易 但有時候,這些強大的工具,反而是一種陷阱! 讓我們一步步走進陷阱而不自知
當你做回測做久了,就會發現,找到「歷史報酬率」好的策略很簡單,但是找到「未來報酬率」好的策略非常難。原因在於做了過多的參數枚舉與優化,當樣本數夠大,自然會有極端的數據產生,就像是夜路走多了會碰到鬼,人多必有白癡,樹多必有枯枝,就像是量子力學中,波函數坍縮成我們所處的現實,代表著均值,但在極端的多重宇宙樣本中,你也有可能是總統,代表著眾多巧合下的極端事件。
前言: 陳昇瑋博士是台灣人工智慧學界名人,除了是中研院院士與台灣人工智慧學校的CEO,也致力於人工智慧的產官學合作、落地化應用,不是純學術的學者,而是入世科學家。不幸的是,陳博士於今年因意外離世,無法繼續完成他的夢想。這本2019年出版的著作說明他對台灣AI產業發展的理想,也以淺顯易懂的文字介紹人工智慧為何?就算完全不懂程式,也能輕鬆理解概論,如果你是開發者,也能從此書了解產業脈絡與實務應用。 總結來說是一本人人必讀的AI通識書,以下節錄一些重點和想法。
Python 視覺化套件使用經驗 Python套件多,品質不一。用module之前,我習慣先看github星星確認認可度,有1000個以上多是品質保證,再看release history,看是否有被持續維護,那種2年以上沒新版本的,採坑機率高。Bokeh看來沒問題。
我們上次已經寫好了「核心」程式,但什麼時候,才能執行這些程式呢?總共有兩種方式啟動程式:一種是連上網監控,另一種是時間間格、自動下單(每4小時)!
上一個單元中,大家都已經操作好了 AWS Lambda,建立一個簡單的 Hello World。接下來,我們就可以開始建構比特幣的交易系統了!首先,可以先在 local 端架設環境,方便我們確認程式可以跑,之後再把它複製到雲端即可。
延續之前的介紹,這個單元中, 我們將架設一個簡單的AWS交易系統 AWS Lambda function,是 AWS ( Amazon cloud service ) 底下的一個服務,AWS Lambda function,是一段可以自定義的程式碼,會在 AWS 主機上執行,可以經由任意的方式啟動。
假如你是追高的選股策略, 有沒有一種感覺? 就是往往創新高的股票, 大部分都賠錢, 只有少部分賺錢, 今天我們將介紹一個因子, 大幅提昇創新高獲利的效果!
這陣子加密貨幣大漲,大家都躍躍欲試想入金加密貨幣了吧?但我沒有很開心,因為價格就是漲漲跌跌,漲上去的 - 會下來,跌下去的 - 會上去,不開心就不會難過,平心靜氣的投資才是最好的方式!
自從本blog開始介紹如何 "用Python投資加密貨幣" 以來,BTC已經上漲了約25%!我是有稍微選一下發文時機的,很想說自己未卜先知,但世界上沒有這種事情,只能說是個美麗的巧合吧!
這篇文章中,我們將承接著之前的單元,來教大家怎麼做策略參數最佳化,我們將上次的回測程式改成以下的樣子,請大家來比較一下有什麼不同!
我們當然可以用 Python 來幫我們做分析 但是人都是懶惰的,假如有好用的看盤工具,即使不是 Python 也沒關係!這篇文章接續前一篇,將來一探究竟,究竟這個最強指標怎麼看!