Kann Deep Learning für quantitatives Trading verwendet werden?

• ### Das kann man, aber ohne Prognosen zu spielen (außer für Hochfrequenz-Handel).

Ich habe viele Artikel gesehen, die von der Öffentlichkeit oder von Broker-Unternehmen geschrieben wurden, dass Deep Learning basierend auf historischen Indikatoren als Input verwendet wird, um Netzwerke wie LSTM zu verwenden, um zukünftige Erträge von Aktien und Futures zu prognostizieren und dies in eine Handelsstrategie zu integrieren.

Die Hypothese, dass man die Zukunft auf der Grundlage historischer Daten vorhersagen kann, ist stark, und unter einer starken Hypothese ist es etwas schwierig, mit einer Black Box ein gewinnsparendes Ergebnis zu erzielen. Es ist schwer zu überzeugen, dass man sie für den realen Markt verwenden kann.

Wie kann man diese gute neue Technik anwenden? Deep Learning eignet sich für die Klassifizierung von Bildern, der Schlüssel oder die Bilder und die Namen haben eine stabile Datendimensions-Korrespondenz, diese Beziehung ist komplex, aber die Beziehung ist stabil. Und die Finanzserien sind unterschiedlich, die Logik der historischen Daten, die die Zukunft vorhersagen, ist selbst instabil, und die Ergebnisse dieser komplexen Werkzeuge werden nur noch verwirrender sein.

Übertragung von Quantifizierungsgeschäft von Chino