第15章 新的研究方向

和算法，通过建立数学模型来识别市场中的统计学规律，并依据这些规律进行自动化交易。

通俗来讲，可以把那些基于复杂模型和算法的量化交易策略，抽象的看成是一个Y=f(X)的函数。

X代表了各种市场数据、经济指标等等，也就是所有可能影响市场走势的信息。这些可以是历史价格、成交量、订单簿数据、新闻情感、公司财报、宏观经济数据等等。

Y代表了模型的交易决策或预测，比如买入/卖出信号、仓位大小、预测的价格方向或波动率等。

这其实和神经网络是一样的，因为神经网络的本质就是通过海量的数据来尝试拟合或学习一个复杂的非线性函数。

所以现在的量化交易越来越普遍地使用神经网络，尤其是深度学习模型。

只不过这种模型肯定都是不可能开源的，毕竟这都是人家吃饭的家伙事。

周昀越想越觉得可行。

如果真的能搞出来，毫不夸张的说，他就真的不缺钱了。

但是饭要一口口吃，科研也得一步步来。

想要训练一个涵盖整个股市的模型，光凭现在的资源肯定是远远不够的，但是如果只是仅仅训练一个可以预测一支股票的模型，周昀觉得，可以尝试一下。

确定了接下来的研究方向，周昀当即就行动起来。

这种股票预测任务，在AI领域有一个专门的名词叫做——TSF，即Time

Series

Forecasting，时间序列预测。

本章未完，请点击下一页继续阅读！ 第4页 / 共5页