@chenjia404 已经回复了 请见#103

@Inn0Vat10n 2 月份 beta 的表现确实容易掩盖 alpha 也就是说这段时间无法验证到底是 alpha 还是 beta 。但是你可以参考我 2023 年 Q4 的图 https://imgur.com/a/dcjMiVu
这里的收益肯定是 alpha

我目前实盘的策略并不只使用一个模型，有多个模型交叉印证，针对不同市场状态需要使用不同的模型。比如 Q4 时和 Q1 使用的就不是一个模型。目前实盘看 Q4 的模型其实要比 Q1 的还要好，还在持续的优化。

我很高兴的是，大家的讨论越来越趋于理性而富有建设性。感谢大家！

@Inn0Vat10n #98 终于见到大佬了~ 这么说吧 我先自己手搓的网络 然后看了顶会的 paper 很多思想是不谋而合的 当然具体实现还有预测的角度会有差异。不过不重要 关键是 DL 真的能在这里边学到东西，学到的是什么，我也不知道，再牛的大神也不知道他学到了什么。只要 precision 能够过门槛，不就行了？不管黑猫白猫，能抓到耗子就是好猫。

@nmap #94 是吧 我也觉得自己挺勇的。但是这个模型从立项到现在作为交易的辅助决策手段，期间的数据挖掘 算法试错 手搓代码 到训练 计划任务 每日预测 历史数据回测 实盘验证磨合。所有动手的地方都是我一个人独立完成的。我最清楚他到底行不行，还有他到底哪不行。也许最大的勇气来源于这些吧。也和我 15 年的 A 股经历也有关系，大风大浪都见过了，不过如此。另外就是盘感、经验、直觉、技术分析，都告诉我：我们正在经历黎明前最黑暗的时刻，甚至已经过去大半，25 年进入牛市的概率非常大，现在不考虑增加规模，等到半山腰或者顶部入场接盘吗？？

@exploreexe 确实美股数据更容易拟合

@okfun54573 别说能看出来的规律，就是深层次的规律，深度学习也能 get 到。一刀切说 ai 绝对不能预测的，本身就是没经过验证时间的武断判断。

@sz369 也许 Q2 就有回撤了

@kenvix #76 还是隔行如隔山，
首先大部分 ai 算法工程师所在领域并非金融领域。训练首先看的是数据，大部分想当然用什么数据呢？ OHLC 吗？这样真的可以吗。

过去一整年都在磕这个模型，翻过了一座又一座山，经历了过拟合，欠拟合，
使用绝对价格数据还是复权数据，前复权还是后复权，复权数据不准确，使用数值还是图像，二分类预测还是价格预测，1200 万条数据如何清洗分类等等…

任何一个问题不解决，模型都不会拟合。

对任何问题都应该抱有开放性的态度

就是 5 年前，都不会有人相信 LLM 会成为现实，认为无监督学习是邪教。

推动社会进步的人永远是相信并尝试探索的人

@haha2333haha 谢谢

@Memoriae #72
1.是的 二分类任务 预测未来 5 日收盘价上涨超过 2%的概率。实际预期任务太复杂，而且从理论上就有争议。我个人也更倾向于不太能准确预测价格
2.是的 还需要实盘测试更长时间 虽然使用了 23 年单边下跌数据做了回测 但确实还需要更长的实测
3交易系统构建是必须的 正在不断完善
4.目前看, 要想保持进攻性同时 有效控制回撤, 可能还需要 1-2 个模型, 比如大幅下跌的概率, 去交叉验证 辅助决策

感谢大佬 提供的全局思考

@rus4db 这个看笑了 过去在这上面交了不少学费

@xuanbg #66 我还真不追求收益率，模型也是给出未来 5 天上涨 2%的概率预测。股市这东西还真不能用复利那套理论来展望未来，不确定性太大，而我们能做的也是在不确定力里找到确定性的因素。

不想一夜暴富，之前大家也指出了，我也回应了，20%和报复性反弹有一定关系，但同时我也放出了 2023Q4 的交易情况。再实盘一年看看，持续迭代模型和交易策略。

规模稍微上一点，我就不需要上杠杆了，现在是先融资买，再自有资金，1:1 配。总感觉不应该这样，而要想一些更稳妥的办法。

@hello2090 牺牲的是过去十几年不愉快的过程，虽然目标是一样的

@weeiy 我的理论基础来源于人情、人性蕴含在数据里，也得到了正反馈的时间。

@oshio 目前是回测 2023 全年数据，精确度符合预期的。模型是用 2006-2022 全样本数据进行训练的，回测这段会过拟合。

@Plutooo 我的问题是初始规模不够，50 左右吧，想提高到 500-2000 。500 左右可能会是比较舒服的状态。不追求非常高的收益率，在能有效控制回撤前提下，追求绝对收益。

@testonly 谢谢建议。觉得不应该出名，这个东西也确实不宜公开。