知乎使用者2018-02-22 16:58:44你說的人工智慧這個我沒有實際操作過，也不懂學習的方式和邏輯，所以沒法回答體驗。
但我想知道，這套系統相對於你來說它的的弱點或缺點在哪裡，是不是可以接受的。在較長的交易週期下，我不相信完全沒有缺點的系統或者事物存在，但只要缺點是相對可控，可以接受的就行。
ayime2018-02-27 09:59:25瀉藥，本人也在開發機器學習的演算法交易模式。加入了機器學習的模式的確比傳統的程式化交易獲得的結果更優，對於日後行情的自動分析也更靠譜。不過我看題主更像軟推，如果要別人承認你的系統，1年10倍的話就不要說了，直接貼賬戶餘額曲線圖更加好，這個交易明細，讓人看眼花。
________________分割線________________
228更
這次認真看了一下交易資料，看成交記錄判斷，交易頻率並不高，應該是中低頻的系統，我就是奇怪，題主100倍槓桿，窄幅震盪還能盈利8刀，那就是說賺了800個bp，在短線交易中，這已經不叫窄幅震盪了。如果放在日k的資料，那麼還說得過去。
說一下對題主系統的分析，盈利就算1000%吧，最高點回撤目測18%，成本回撤150%，槓桿100倍，如果按通用策略10倍槓桿來說，年化盈利100%，回撤理論值在4%到5%。目測交易資料，資料級別比較大，估計是日k，至少也應該在1小時以上。在倉位方面，目測資料，系統是有連續建倉模式，擁有連續建倉模式的系統策略指標不太好觀測，平均持倉佔比與最大持倉不明，爆倉風險佔無法評估。如果當無連續建倉且每次建倉都為最低持倉值來評估，總結如下：
1、半自動執行，人為影響因素較多，比較容易出現業績不穩定的情況。
2、資料級別較大，相比一些少特徵量的淺層學習系統來說並沒有太大優勢。（系統收益部分引數參考，成本回撤4-10%以內，年化有效收益40-60%，槓桿5倍，最大持倉佔比30%-50%。收益率截距正值）
3、收益率較高，收益率截距也十分好，頂點回撤對於日線的系統勉強可以接受，但是對於1小時級別的系統就太大了。另外成本回撤太大，如果在回撤頂點進行交易，爆倉風險十分大，題主實盤獲得正收益也是有運氣的成分。
建議：
1、縮小槓桿率，提高初期資金規模，降低持倉佔比。
2、實現全自動化交易，去除人性的因素，使用科學手段進行交易，同時利用全自動交易系統擴大交易品種規模，降低黑天鵝風險。
3、組團開黑， 題主是計算機專業，計算機，數學知識豐富，但可能比較缺乏金融知識和風險管理知識，加盟一些策略系統開發團隊，完善交易系統。本人所在團隊均為金融系統出身，缺乏一名數學計算機知識豐富，能實現多種機器學習的精英，有興趣可以私聊商談。
4、儘可能縮小資料級別，日線強普適的系統太容易做了，但是實現全自動後的交易誤差較大，不太適合做事前的風險評估，即使是實盤資料，也不一定能保證未來能持續盈利。而小級別的資料，由於數量量相對較大，單位時間波動率更小，交易容錯率更低，訓練難度更高，在未來的持續盈利機率也會更高。
abcxyz2018-02-27 10:30:54我也是做開發的，兩年多機器學習經驗。也在研究深度學習應用在交易上，也在實盤，還可以。我主要是做比特幣的。可以交流一下。私信我一下，謝謝。
Kenneth金融財子2018-03-11 20:43:11主人都沒有全面可行的交易系統，研發出的人工智慧又如何？機器就相當於主人，能賺錢的人家不賣不公開，大街上叫嚷的你敢用，不要相信有永動機。
尚瑞林2018-03-28 10:32:09不會做人工智慧交易，回答不了。
