除了神经网络的方法，还有什么算法可以实现机器的训练和自我学习？

股票市场存在多模问题，神经网络可能处理不好。

 

大脑处理

 

如果你同时在价格图上画上5，10，15，20，25，。。。 n 条移动均线，这 n 条线对于你来说，就是 n 个模式。

 

神经网络有没有在股票投资上应用成功的实例?

 

当你用历史的数据来推导未来的走势时，不论你是用什么模型，都是假定了所有信息都已包含在历史数据当中，未来不会产生新的信息。而这是错的。

 

没有这么绝对。SVM 方法里有一个最优统计学习的说法，虽然不全对，但至少是假设了历史事件并不包含全部的将来。

 

好像是一些数据点到最优超平面之间可以进行推理，但是如果向另外一端扩散可能就不行了？不是很懂，搬个板凳来听课。

 

其实可以把这些绕口的数学用语扔开。

简单地说就是，如果所有的模式都已经在样本里了，那么，学没学到，是学习算法的问题。如果有的模式没有在样本里，再怎么学，还是学不到那些没有的东西。

 

做投资，统计的那些方面值得学习呢，有没有书目推荐？谢谢

 

我的表述有一些绝对的地方。我想知道的是，历史的OHLCV里，包含了多少比率的未来信息？或者说，未来的（比如说股价）有几成是由历史OHLCV决定的？这有一个业界的共识吗？

 

如果出现了没有出现过的模式，能否用推理机进行推理？

 

应该还是不行。如果可以的话，意味着你的推理机已经包含了那部分模式。

 

应该没有共识。因为这个问题本身没有明确的定义。

一般股票的价格每日波动在2%以内。如果以2%的允许误差来作每日价格预测，那么以今天的价格来说明天的价格，就是一说一个准。今天的价格几乎就是明天价格。你可以说明天的价格就是由今天（历史）的价格决定的。

 

神经网络做交易策略的关键问题是用什么做输入,这问题就先要研究统计,只是统计研究明白了,也就未必要用神经网络了,个人感觉决策树可能效率更高.

 

那神经网络为什么能用于 图像识别和语言识别呢？

 

我还是想回到根本的问题。市场是弱有效的吗？我想大概不是。如果不是的话，那么有没有一个量化的数值指标来表征市场的有效程度呢？这些解决之后，才可以谈到利用哪些工具来挖掘市场的非有效性（即预测）

 

有没有想过，如果市场是非稳态的，能用一个量化指标来表达它的有效性吗？

 

记得92年，我用一款台湾光谱的《将族》软件练棋力，02年加入台湾一个AI（象软），到现在发展有更好的象棋软件出现，也看到这些人工智能（棋类算法）系统不断提高不断完善的过程。。。
我想交易系统与象软也有共同之处，就是有特定形态（棋形），特定处理方案。让系统识别这种特定形态就进入可交易这中（象棋能弃子取势或弃子入局等等特定棋形，尊重大局感），类似于交易中主趋势及次趋势联系，时间框架，做长中短与时间制定等。K线与均线之间关联微秒变化，规律盘中有。
往往技术面会趋向基本面，基本面也引合技术面。
以上语句顺序不严拘。

 

我想这就是一般人混淆稳态的棋局和非稳态的股市的地方。