嘿嘿，神经网络面临的最大问题就是over-fitting 所以，事情没有绝对的好坏之分，前一段时间看了本书，一老外，讲交易策略，他只做两种简单形态，一个是底部反转，基本上就是单针探底，另一个就是长阳突破，但他精细到当日形态的量化比例，次日开盘的不同点位区间，每一种搭配该如何操作，就这么两种形态，整个搞了个决策树，当时就赞了一句：“精细”。
是的,我同意你的分析,所以我认为西蒙斯的策略才符合统计学的意义.他们想要捕捉的都是微小利润,要么加大杠杆,要么加大交易密度. 而概率对于单一事件几乎毫无意义,只有面对大量事件的时候才能体现概率特性,所以高交易次数才是数量型基金的正确途径(之一). 另外, 一个是由里及表,一个是由表及表,这是两者最大的不同. 前面已经说过,市场是不完备的,人的认知是有限的.而波普尔在科学发现的逻辑中提到一个理论只有可被证伪,才有可能是科学的.像邪教 星座等都是不可证伪的.引申到投机领域, 如果一个交易系统能指出自身的边界,才有可能是正确的;也就是说它应该能让你知道什么时候系统失效了,或者你该离场了. 西蒙斯的基金并不是完全自动下单,而是有几十个交易员,当市场发生剧烈波动或者其它特定情况的时候,会转到人工下单. 前面说过,长期来说我们都将死去,所以那种看什么时候来清盘的想法是比较无聊的,因为任何丰功伟绩在时间面前都将毁灭.关键是你在退出市场的时候你赚了多少,你赔了多少,而不是你的系统正确了多少.你作对了多少. 丹尼斯在87年巨亏离场之后,仍有十几亿美金在手,这说明他是成功的,他的系统也是成功的.
电子书，没有书名，说起来挺不好意思地，看得书大部分都是电子书，挺对不起原作者，嘿嘿。 我找找吧，看看能不能找到，基本上都是在emule上长年累月的下载，下下来就用搜索工具编一下索引，随时有什么问题就检索一下哪本书涉及，所以书名还真是不知道。 不过倒是无所谓，它大致的内容就是两种形态，每一种形态当日相对于上日应用包括开盘价、收盘价、最高、最低的比例关系，这一部分用日线就可以统计出来，然后是第二天开盘的相对位置，以及开盘后那么有数的时间（通常一个波段）的相对上一天收盘的比例关系，这一部分应该是使用5分钟线作的统计。 其实主要是它的这个做法和思路比较精细，至于涉及的内容，我印象里有一个CHM的中文的作日短线的一个小文档，具体名字也忘记了，但网上应该有很多，都差不多涉及到。只是这个老外以一种类似于决策树的方式清晰的表述出来，这个做法其他的作者还是相对很少的。
这一点应该说是统计学的软肋，就是永远也无法知道多少才算是足够多到概率会百分百的发生作用。 这一点不能说完全可以做到，但通常边界的确定还是有一些方法可以使用的，比如任何预测模型都同时会输出一个概率，这本身就可以作为一个观测项，再比如，很多的算法都涉及到标准偏差，如果标准差出现偏离就应该视为一个信号。 就目前所知，一般自动交易都会把价格突变视为一个警示，不管它是目测的还是频谱分析的，一旦发生这种情况，交易会全部停下来，等待价格重新回到正常轨道。 顺便说一句，这个情况和人工交易正好相反，手工下单最喜欢的就是价格突变，毕竟人工无法同时跟踪成千上万的品种，只能拿质量补数量。 西蒙斯使用人工处理其实就是在系统失效的情况下，由人工进行后继事项的清理，毕竟既然系统都已经明确的告诉你他失效了，这个时候让人工处理不管从哪个方面说都更保险一点 但LCTM的做法有点怪，或者说他制定策略的出发点就有点怪，也许是他们真的牛鼻到以为自己比市场知道的更多，我不太相信这是个漏洞，具体的情况只能等他的架构师开口讲解他的算法实现，否则恐怕永远是个谜。 这个要分开来看，很多的传奇故事和系统是无关的，既然是讨论系统的，也就只能就系统来看有哪些经验可汲取
对，一个量化交易的雏形，但即使在美国纯粹的量化交易本身也并不是说有多普及，而这个作者又不是和交易系统（我指的是实实在在的软件系统）打交道的，所以这本书的写法上和内容的阐述上就比较新颖，内容量其实并不多。
顺便说一句，这个情况和人工交易正好相反，手工下单最喜欢的就是价格突变，毕竟人工无法同时跟踪成千上万的品种，只能拿质量补数量。 ================================================================= 同意你的看法，人工投机的过程一般是分析对手，比如说昨天传言巴菲特要收购中信，按照一般的逻辑来看应该是个利好，先买入等价格涨起来跑掉，但是计算机没有这个过程，突破就是突破谁知道什么原因，不管三七二十一买了，结果可能就挂了或者赚了，这都是不确定的。但是人可以分析对手心理，电脑无法分析对手心理。系统交易在某种程度上是安慰性格偏软人的安慰剂，如果性格非常强和自信，这个过程完全可以由人来完成。我想做一个消息分析工具，能够把这些消息标准化，可是无从下手。:
这类东西应该是有的，但是看不到商品化成品，所以不知道是谁在使。 深圳证券交易所综合研究所05年有一个研究报告，标题叫《什么影响着投资者选择卖出或继续持有？》，核心就是研究影响投资意愿的因素，其中包括12类有重大影响的公告和14类重大政策与投资者买卖股票的对应关系，其使用的交易记录是某证券营业部共9945个股票账户在1998-2000年的交易数据库的全部记录。 其实这类信息的处理在其他行当基本上划归到企业情报分析里，只是多了个对照关系而已。 资金不过亿，个人觉得基本上没有什么必要搞得这么复杂。
有一类对冲基金就是事件驱动型,根据消息作出反应,但应该没有人会公布算法. chen说的很对，没有上亿的资金，很多策略和方法对你我没用实用价值。 大众心理应该也可以建立模型，问题是你怎么获得抽样投机者的真实想法，没有人能心口如一，一个人表达出的话语往往与他的想法差别很大，甚至他自己都不了解自己的潜意识里的东东。 很多思路还是从决定论的观点出发，以为我们拥有足够的变量和数据，就能推算出未来，这在量子理论里已经被宣判为死刑。不确定性是这个宇宙的基础，是无法被消除的。
策略的不稳定来自于行为的不稳定，股票并不是个必需品，所以投机投资行为都不是必需的，每个人都是来赌一票的，所以行为复杂是自然的。如果是日常必需的一些产品，那么人的行为就会非常稳定。我突然意识到投机股票在战略上已经处于劣势了，如果把同样的精力放在必需品上，成功会大得多。
扯个和系统没关系的事情，这可能也是老巴不投资微软的原因，因为人群的购买行为不是清晰的，而宝洁可口可乐这类消费品购买行为是非常有规律的，而且在这个行业中建立了强大优势的企业更容易获得超额稳定利润．从行为的稳定上来说，我觉得基本面投资还是很有道理的，有机会要看看这方面的书．
基本上，对这个问题的思考的基点是：“想什么不重要，做什么才重要”。而大众行为的识别，目前看到的主要是对高频数据进行频谱分析进行特征标记。 老的统计技术，其基础是完全样本，而现代统计理论，主要对付的就是小样本问题，或者说有限样本问题，在算法上，小样本问题的求解和预测已经存在相对成熟的解决算法，当然具体的应用模型大家都处于探索阶段，这个玩意应该说没有最好，只有更好