请教各位大佬，研究了一套深度学习方法，预测 A 股涨跌，....

召回率 30%很低诶，这个是预盈的召回率么？

一眼骗子，v2ex 都是程序员，你骗不到的。我一个问题就能把你逼得没法回答：你的 BiLSTM 有多少参数？

经济学最忌讳的就是基于过去的数据和趋势对未来进行预测。
不至于经济学基本知识都不知道就在那边预测了吧。。。

不如买个水晶球来预测下
如果你这个是真的, 你离进去踩缝纫机不远了.

真能实现 20.57% 的收益，直接实操个半年然后拿实际数据和交易记录去拉投资成立私募，一年实现财富自由。哪还需要在这发帖

做量化的都是闷声发大财，如果还在焦虑变现，说明你那玩意根本赚不到钱

你这图里的夏普和回撤还想从外部拿投资很难的，可以再打磨打磨

别说赚钱的东西，我这搞几年了没赚钱的东西我都不会发出来

楼上已经评论够，我就不评论真假了，我只说你这段测试，
大凡有过多年经验的都该明白，测试不能拿最牛那段来做吧，你这测试到目前来说，充其量只能说是刚好在最牛的时候进了场，仅此而已。等大市开始回调时你还能保持再说。
至于你问如何变现，我可以假设你这策略真的是成功的给方法你：
你可以去淘县雪球甚至抖阴之类的地方开交易直播，如果你的策略真能通过熊市的考验，很快你就会有大批信徒甚至大资金找你合作。不需要担心你的策略没法变现，只需要担心你的策略是不是真的有效。

@NoOneNoBody 是的 虽然损失了召回率 但精确度比较满意。由于每日选股样本数并不低，召回率带来的影响并不大

@phrack 确实如此，就想看看大家的反应，果然质疑声一片，
还有说我是骗子的

V2EX 的氛围确实也令我没有想到

的确在谨慎考虑是否开放模型能力，同时也会遇到合规问题。
赚钱的模型都是自用，现在的大环境难免大部分人会多想，比如“赚钱的你不自己用，你会开放？”

我也是想和大佬们探讨下可能的路径

@BeautifulSoap 谢谢建议

@mumbler 我的焦虑是规模不够大

@Inn0Vat10n 谢谢！确实回撤做的不好

@testonly 补一张刚训练出性能还可以的模型时候的收益，2023Q4

https://imgur.com/a/dcjMiVu

仁兄说的最客观 谢谢

@defel 我认为这不是预测，而是模式识别。
“经济学最忌讳的就是基于过去的数据和趋势对未来进行预测。”根据这句话，你能说：基于过去的数据和趋势完全不能预测未来吗？完全给不出概率吗？

@imes 22 年后端全栈 03 年创建个人网站 当年日活 10 万。
目前基于 CNN Transformer GRU 研究金融市场二分类任务。抱歉我不用 BiLSTM 。另外脱离任务谈参数是不是耍流氓？

@testonly 确实规避了 1-2 月份的大跌，成功抄底进了场，也确实 1-3 月以来只有那段进行了操作。

但也确实那段时间模型每日给出的预测样本数非常少，就意识到市场可能要失效，进行了清仓，你可以看到我后来补充的图，12 月底的时候做了清仓操作。

@defel 另外，我不认为深度学习技术带来的预测，完全能够归入到经典经济学那一类。

普通人别浪费时间浪费生命在这些东西上。如果自认不凡可以稳定跑赢市场，去面试几个量化基金研发就知道自己斤两了，比如幻方等量化基金四巨头，能应聘上再深入研究不迟。

@frankies 股市是门槛最低的市场，同时也是门槛最高的市场。

@defel 不太想从基础理论角度进行解释了，自己去看吧
https://chat.openai.com/share/91c1f831-393b-4083-8cbe-273676355fa3

是否是因为去年的各种暴跌 1 月份的暴跌，2-3 月份的上涨，让你误以为数据参考有意义？

@GoogleQi 并不是这样，

我的训练数据集是 2006 年（股权分置改革后）-2022 年的全样本数据的 90%，验证数据集使用的是剩下的那 10%。在这个验证集上，精确度和召回率表现的更好一些。

同时 2023 年全年数据作为训练外单独的验证集，进行了二次验证，由于 23 年普遍表现不好单边下行，更能验证模型的性能，发现在维持精确度、提升阈值的同时，牺牲了一部分召回率。但是从交易角度，模型依然可用。

再有就是从 2023Q4 开始的实盘数据，之前补发过 Q4 的实盘截图。

我是通过这些方式，综合来判断模型的性能

quant 在金融市场已经出现很多年了，机器学习也早就用了
不过肯定不是只用过去股票指数预测未来，有大把其他特征

还是羡慕大佬啊，我这种没技术的就没法搞这个，只能安心买美股了。

@kdj933 #22 我以为用啥高深理论反驳呢，结果是 gpt ，没绷住。

一个这么牛逼的技术，发财只需要时间。

你知道 3 个月收益 20%意味着什么吗？你已经远远超越了巴菲特。
你一年收益率翻倍，如果你现在有 10w ，只需要 10 年，你将拥有 1500w 资产。
所以你根本不用焦虑规模

曲线看着的确是周频交易的，建议再观察一段时间实盘，并把回测周期往前移，并扩大股票池

要加杠杆直接投私募的基金经理岗，简历上写你有成熟策略需要资金，分成坐班硬件资源都能谈，还能给你介绍投资人和渠道

时间太短了吧，按你这样说，我刚进股市那会 2020 年，买的消费股收益也可以到你这个点，那我就是股神了吗？

@jichangee 后面还不是都亏回去了，所以就安心买指数了

你不是做了 15 年吗？ 放个两年左右的收益率吧

楼主卖课吧，请你割我

你这玩意能在股市赚钱，你干嘛不自己赚钱？和股评家一样

起码十几年有多个牛熊周期，看年盈利/回撤，一年翻倍易，三年翻倍难
越是简单的系统越能受不同的市场检验，只用 A 股作为训练表示..未来的 A 股还是 100%的 A 股吗？

你的实盘就走了 24 年初这几个月的小牛市就飘了？
起码走个完整的一轮牛熊周期验证你的模型才足够~

在你口中说出“悲观者正确、乐观者前行”，作为后者，感觉有被冒犯到… 只能说 A 股韭性果然跟时间长短无关。

补充：股市其实就是人性
甚至在中国来说，再牛 B 的模型不如一个红头文件。

@kdj933 #18
关于有人质疑能赚钱为何不自己赚的这点，我倒可以为你说两句，以股市来说，你这个不算是短期收益非常高的那种模型，谁有这个都希望有大资金合作，就算厉害如巴菲特都不是全部自己的资金。
至于方法上面我也说过了，你的模型要得到市场认可就去做实盘直播一段时间，打出名气自然有资金。不要去计较让人白嫖一段时间，要打名气就要有牺牲，行大事者不拘小节。
但需要另外说一点，你要做直播实盘可能要小心量化自动化交易之类的词，因为理论上来这个国家是不让玩的，有些东西可以做但不可以说，你没名气没赚钱时没事，但有名气赚大钱后就难说了。

@chanChristin 不是 GPT 不是 GPT 不是 GPT

A 股大部分都是人为控制

@hello2090 08 年次贷危机的时候, 易凯资本的王冉建议可以长期布局美国资产, 我的同学和我说"A 股还没搞明白 还搞美股?" 就这一句话让我产生了退缩。现在再看看 nVidia Google Apple

@czfy 这个确实 外边没有不代表内部没在用 也肯定还会有其他因子 交叉印证 最后才到交易决策

@gransh 正如前面大家说的 20%确实有近期小微报复性反弹的因素 但也有模型的带来的决策上的辅助 目前是要再实盘一年 观察一下 并连续调整迭代交易策略 更好利用模型的特性

收益率为 20.57%还需要变现吗，这不偷摸着乐自己好好赚

@chanChristin 这是为了从理论角度回应他，我不想自己打大段文字了，我比较懒。

就用 GPT 对这个问题生成了那段理论基础

@purringpal 这句话回应的确实不恰当 乐观者也有可能成为悲剧性的人物。
我更欣赏邓公，做一个乐观的实用主义者

实盘时间还是太短，我更好奇你历史回测数据怎么样，敢实盘加杠杆上想必各项指标都十分惊艳？

华尔街一堆做这些的人，可能就 a 股有市场

@Sawyerhou #30 嗯 打算实盘一年的 最好能经历一段熊周期
回测周期前移会过拟合 因为是基于 2006-2022 全样本做的训练 那些数据他都见过。

@grindsgears #33 前十几年确实大部分时间被市场毒打 谁没几年黑历史 现在基本不做选股工作 依靠模型去辅助决策 能有收益且风险可控 也确是事实

@blufaux #35 我在焦虑初始规模 也确实 这东西一旦规模过大还管不管用 还得另说。但感觉 2000 以内应该问题不大。我一般同时持有 5-8 只标的。如果按 2000 算的话，一只持有 200 多，对市场影响微乎其微。

@Gekou #36 训练数据做了处理和过滤。
确实很多顶会论文都在用欧美市场 包括印度市场进行验证。
有一定的正反馈，但唯独对中国 A 股市场是失效的，我想作者可能没有做 localization 。
同时，模型也需要不断地根据市场情况进行迭代

@likooo125802023 #39 你认为 AI 读不懂人性吗？近 30 日 K 线组合不能从中的某个角度得到一点点人性的解读吗？

@Rrrrrr 只要有行为模式就不怕 其实 AI 最擅长模式识别 只不过你要将提高收益这件事儿转换成模式识别的问题。

@SilentOrFight #37 20%的收益确实和报复性反弹有关系，后边的回复补了 2023Q4 的截图，都说 Q4 难做，也的确有 13%的收益。
确实还需要再验证，最好再经历一段熊周期。

@testonly 谢谢建议。觉得不应该出名，这个东西也确实不宜公开。

A 股能通过预测来赚钱？
A 股跟你讲的是数据？讲的全是人情！

@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。

@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。

@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。

@kdj933 所以我们这种不懂的只能买美股指数了，你们这些懂的哪都能赚大钱

@hello2090 牺牲的是过去十几年不愉快的过程，虽然目标是一样的

你焦虑的根本不是规模而是收益率。如果真的能达到 3 个月 20%的收益率，你还会担心利滚利滚不起来？按你自己说的初始资金 50 ，那么到年底就是 50 * 1.2^4 = 103.68 ，直接翻倍了。不用多，3 年下来就是 8 倍。差不多就能到你认为舒服的资金量了。你在担心什么？

无他，你在担心这个 20%的收益率是虚的！

@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。

众所周知，炒股最赚钱的是教别人炒股。你炒我教你，我炒我不炒。

什么深度学习科学算命，自己不要用。拉个群，包装一下，卖给别人用。（滑稽）

@rus4db 这个看笑了 过去在这上面交了不少学费

@kdj933 这不是问题啊，你可以用截止 21 年的数据测 22 年，少一年数据无非是结果差点，总不至于无效了吧。主要是你上了杠杆，如果出现 23 年没有过的大回撤你心理上能抗住吗？

能机器学习大数据预测的话，那我家祖传的天干地支预测应该更准确，直接能算未来

回测下长期夏普、信息比率吧，不知道你讲的是否只有涨和跌的二元分布，还是算的实际预期分布。

然后就是拟合问题，你实际操作时间太短了，不知道里边的因子对现实市场的敏感程度。

还有交易系统，预期止盈、跟踪止损，由于提到了杠杆保证金交易，风控必须考虑在内的，仓位管理。

模型得交叉验证 bootstrap 之类的（想必你也知道），还有如何动态调整最优化参数。

楼主别把那些外行的话放心里，很多人就是不相信量化投资的。

如果模型运作长期良好，可以作为外包将服务卖给私募，也可以是和量化的软件（某方）合作。

@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

我是亚洲某著名商学院读 finatech 的，
如果有志愿入行量化的话，
建议读 stochastic process,
十分好的书，从中受益良多

@haha2333haha 谢谢

你要是觉得这玩意真能帮你预测股市，那我们这些 AI 民工早就游艇嫩模了

最最最顶级的对冲基金，文艺复兴的大奖章基金年化也才 38.3%

@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

@sz369 也许 Q2 就有回撤了

预测股市早在永乐大典就记载了，不去学习永乐大典，这些歪门邪道

A 股不是自由市场.....机器预测不出人为干预的经济....

能预测一下什么时候改朝换代？

@daimiaopeng 也不是不行，如果这种干预有规律的话

@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。

和走势相关性太大，再跑半年吧

借楼提下随机过程和时间序列，差分处理能变得平稳，残差的 ACF 和 PACF 图不一定逐渐下降并拖尾落在合适的标准差内；

例如要研究周期股/周期行业指数，有要确认底层数据的周期性，像生猪周期就不一定能解释了，存在趋势性（能代表整体物价的指标）和周期性（季节性调整），然后把这些外生性变量和内生性工具变量带进时间序列公式中，像研究电力、货运量都很有用；

研究金融资产我认为用时序是一个大坑，例如用时序很容易做出基于 ARCH/GARCH 的波动率策略，但是现实中波动率的分布是尖峰肥尾的，也就是样本波动率被低估的。

可能是我没入门，一直怀疑随机过程/时间序列的量化策略的有效性，还是认同目前主流的多因子策略...

希望大佬们能给点思路，谢谢。

@haha2333haha

这个论坛里面，狗日的喷子还是比较多的。

他们不会给这个论坛贡献任何东西，只会质疑你的目的，以及发泄他们的焦躁和不满。

楼主你可以无视那些傻。

从 1 月 1 日算起，极大可能是刚好买在低点

你算算 20%的的复利 有啥担心规模的，几年后你将超越中国首富

开信用卡全搞上，还有现在许多门路搞到年利率不到 4%的贷款，3 个月 20%，一年打 8 折也有 60%，爽起

@Memoriae 交易是零和博弈，你赚别人就亏
你用 garch 人家用 dqn ，相当于你用石头对人家火枪
不是随机过程没用，是你随机过程学的没有别人好，需要继续深入研究

为啥这么想不开 搞 A 股
拿美股的数据来搞不好么

@exploreexe 确实美股数据更容易拟合

牛逼，做了 3 个月盈利了就准备来找资金了，梁静茹给的勇气

我很认可你说的这个方式，我是一名后端程序员。能不能教教我们怎么做？

@kdj933 我想学习一下，有什么途径呢？

@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？？

DL 搞量化交易这条路没问题，国内外 top quant fund 我了解的几个都是大范围使用了深度模型，业绩也都很好。不过肯定不是 OHLC 直接喂的，中低频，尤其是国内 A 股量化私募还是很依赖多因子那套，因子的质量很重要，线上几千个因子，你拿线性那套去拟合早就不靠谱了

@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。

@kdj933 可以按 barra 分解下收益来源，我看你图里收益主要都是二月那波，那段刚好是年后小票回弹，你的持仓可能主要都暴露在 size 上了，收益分解可以看到你赚的到底是微盘的 beta 还是真的 alpha