¿Se puede utilizar el aprendizaje profundo para el trading cuantitativo?

• ### Sí, pero no juegues con las predicciones (excepto las operaciones de alta frecuencia).

Veo muchos artículos, publicaciones, o brokers, que dicen que el aprendizaje profundo utiliza indicadores históricos como entrada, que utiliza redes como LSTM para hacer predicciones de futuros rendimientos de acciones y futuros, y para convertirlas en estrategias de negociación.

No se discute si la nueva tecnología es fiable para predecir el precio de activos como acciones, pero primero se pregunta por qué se puede predecir el futuro con solo unas pocas entradas. Esta hipótesis de predecir el futuro basado en datos históricos es muy fuerte, y en una hipótesis muy fuerte, usar una caja negra para ejecutar un resultado de ganancias de a medias es un poco difícil.

¿Cómo se aplica esta nueva tecnología tan buena? El aprendizaje profundo es adecuado para la clasificación de imágenes, la clave es que la imagen y el nombre tienen una relación de correspondencia de dimensión de datos estable, la relación es muy compleja, pero la relación es estable. Mientras que la secuencia financiera es diferente, la lógica de los datos históricos para predecir el futuro es inestable, y los resultados de esta herramienta compleja solo serán más confusos. Pero en realidad, el aprendizaje profundo tiene aplicaciones especialmente adecuadas para la transacción cuantitativa en el mercado secundario, y no es lo que me facilita decir, que la característica de esta aplicación es sin duda una relación de correspondencia estable.

Sin embargo, la mayoría de las transacciones se realizan a través de una plataforma de comercio electrónico.