在前天,我们发布了一篇推文,想请大家来说说这个话题,总共收到了48条留言。对此我们按照点赞从高到底进行一个整理汇总。大家也可以继续评论,或者说说哪个作者说的有道理哈!
老师告诉我:为了区分一只猫和一只兔子,我只需要一条鱼做Classification,外加一条胡萝卜做Cross Validation就可以了……
愚蠢的美国佬需要用装备了8个GPU的服务器训练152层的神经元网络几十小时才能做到,而且不能保证百分之一百准确无误……
@郑小龙
只不过没有几个真正理解机器学习又懂金融的人而已。
@李锦涛
这个问题,要澄清几个概念,“机器学习”“量化”“投资”。 什么是机器学习,这个也有很多层次的,如同电脑的286/386/486/PII/i3/i5/i7/GPU......
什么是量化,这个也有很多层次的,诸如:趋势量化、多因子量化、阿尔发、大数据、神经网络、遗传算法.....
什么是投资,这个也是很多层次的,诸如:价值投资、高成长投资、一级市场、二级市场、期权、期货、指数......
笼统的说,“机器学习在量化投资中用的好吗?”,如同说,“马路上有个人,这个人是不是好人?” 没有意义的。呵呵。
@曲百万
确实有用,现在路演时你要不把部分章节留给机器学习,资方都不一定正眼看你。各种决策树、随机森林,贝叶斯模型,svm支持向量机,深度学习,神经元balabala最后都把仓建到了低位放量的股票上。
@俊盛
从我导师的角度,没有基于投资学理论基础的,没有任何意义。从目前自己的尝试中,我也赞同,特征选择,特征构建,才是最重要的。
@路过
以我十年量化苦旅,没有任何用。真的
@榕樹
这还用问吗,有用的也会说没用
@余晓秋
如果某金融时序,在足够长的时段内,存在近似稳定的内在规律,那机器学习可能把它提取出来。如果不存在稳定规律,随机成分占主导,任何方法(包括机器学习)实际上都无效。
@宁宁
很多机器学习模型说白了就是概率统计,量化中很大一部分是基于概率统计的,所以当然有用,只是大部分人不知道怎么用罢了,因为其中涉及到特征的提取,噪音的过滤,避免过拟合。。。其中的坑当然不少
@杨恩源
机器学习还需在数学理论上有针对金融时间序列数据的巨大突破,才有可能在量化投资有较好的运用!这就不是我们这些不造轮子用轮子的人所能解决的事了。
@杨连诗
投资本就是大道至简,量化更是如此,明明简单的搞复杂了能赚得更漂亮?
@张博瑜
有用,机器学习本质是对量化投资的更深层次的量化。只不过目前有效的方法很少,随着机器学习的发展,会产生越来越合适的算法。这个本就是一个不能证伪的话题,却总有人拿着自己有限的了解,证明机器学习在量化上行不通。
@石川
人类花巨量时间脑力和精力能够master的技能,机器学习注定会秒杀人类,比如围棋,比如人脸识别(最强大脑)。但是对人类都没法搞明白的东西,机器学习在未来二十年内也无能为力,比如二级市场投资。
@Leo
我很好奇有没有哪家公司是做以机器学习主导的量化,如果有的话,还让人感觉有希望。
@未知
我自己做的模拟,收益不稳定,少的时候一年就3%,多的时候一年十几。
@杨磊
成功案例不会公布啦,哈哈。
@Bill
我做到了,你没做到而已
@富强
以个人经历来看,机器学习重要的是数据源,然后是算法,抛开数据谈算法有点空中楼阁的意思
@大春
机器学习作为一种量化手段,肯定是可以用的,自适应的机器学习,深度学习,对量化一定是有作用的,投资市场也是人的博弈的过程,人的思维总会留下轨迹,这个就是需要机器学习,深度学习,迁移学习这样的方法的学习记忆的过程。不是没用,而是没用对,或者用的好的没有公布怎么用而已,毕竟策略公布后一段时间后就会失效
@颜晋南
用来分析股票之间的关联,这是我的想法。
@关伟
不知道,感觉有点虚。
@sunrise
高频交易不好说,似乎有施展拳脚的空间,长期的投资来看,同意上面一位同学的观点,就是大道至简,不管是机器学习机器遗忘还是人工智能人工智障,只有theory based策略才能真正奏效,如果复杂模型和简单模型是同样的实质,为啥还要暴力运算呢不过反正策略经过一段时间都会失效的,机器学习相对小众,失效会稍慢?!
@何飞颖
我司在用,前两年非常牛逼,今年开始走平,个人认为要用来挖绝对的圣杯是不可能,市场内在规律也在变化。
@Channel,CMT
有用,提高了效率和准确率,但是风险还是存在的。
@Seeking Alpha
机器学习就跟价值投资一样,被人说烂了。
@朱鑫垚Solo
机器学习只是工具,主要解决预测和分类的问题,目前来讲需要数据量比较大。如果应用在正确的方向和问题上,对于一些高频的数据一定会有不同于以往的进步。但其他方面还有待探索吧。
@笨JOJO
可以用,但是要做点处理。
@AG Stalker
实践告诉我,用机器学习算法优化cta策略的部分模块效果非常好。
@Ian Feng
值得一试,预计效果比SVM, 随机森林,HMM稍微好点。
@鸿
看如何用,一条均线也可做出好策略。
@Flynn Gu
经济学原理还不是人发现的,你能保证这个一定对吗,一些规律会随着市场进化而消失,也有可能内在的规律我们并没有发掘到,所以能接受市场检验的机器学习就是make sense的。
这个教授可能是聪明的笨蛋,拿鱼诱惑照片中的猫,服!
@wang
量化投资与机器学习违命题或不完全真命题?
@吴
投资金融一类的随机性很大,当前的机器学习很大程度都是模型,机器学习的方法会有成功案例,但还有待挖掘。
@量化的X
如果价格走势存在规律,那就有用。alpha因子中由价格和成交量得到的因子有效的话,那么价格和成交量作为ml输入得到的结果也理应有效。
@harford
还没到那么高的选择和优化能力。
@Mr咩星人
写作业时感觉HMM还可以,不过实战中感觉一般。
@杨磊
LSTM绝对有用啊。
@Simon
机器学习范围太大了,不如先讨论下神经网络。
@行者(Batuwaa)
没看到几个成功案例阿!
@背匕的我
编辑部觉得价值回归模型,因子模型,差分模型,随机过程模型哪个更靠谱。
@楠公爵
机器学期应该是基于大数据的,应用在高频交易应该效果比较好一点。
@天马行空
可以用来过拟合,还让人看不出来。
@Navi
机器学习就是一把利剑,用不用的好全凭个人。
关注者
从1到10000+
我们每天都在进步