全部回帖
所以这套策略就不是一个稳定的策略,就是高收益高风险的赌狗策略,回测从2023.4-2023.8近三个月,基本没咋赚钱,不过也没大亏。从2023.8才开始逐步盈利的,期间遇到过大跌也是硬吃,这也是没有风控的弊端。现在加了一定程度的仓控,总收益和最大回撤都有了提升,就是风控确实还没头绪怎么加入。
[图片]
所以这套策略就不是一个稳定的策略,就是高收益高风险的赌狗策略,回测从2023.4-2023.8近三个月,基本没咋赚钱,不过也没大亏。从2023.8才开始逐步盈利的,期间遇到过大跌也是硬吃,这也是没有风控的弊端。现在加了一定程度的仓控,总收益和最大回撤都有了提升,就是风控确实还没头绪怎么加入。
你这个是高收益高风险的模型,那么2天的超短止损意义不大,加了止损的话收益大概也会被拉低
你这个是高收益高风险的模型,那么2天的超短止损意义不大,加了止损的话收益大概也会被拉低
所以这套策略就不是一个稳定的策略,就是高收益高风险的赌狗策略,回测从2023.4-2023.8近三个月,基本没咋赚钱,不过也没大亏。从2023.8才开始逐步盈利的,期间遇到过大跌也是硬吃,这也是没有风控的弊端。现在加了一定程度的仓控,总收益和最大回撤都有了提升,就是风控确实还没头绪怎么加入。
[图片]
所以这套策略就不是一个稳定的策略,就是高收益高风险的赌狗策略,回测从2023.4-2023.8近三个月,基本没咋赚钱,不过也没大亏。从2023.8才开始逐步盈利的,期间遇到过大跌也是硬吃,这也是没有风控的弊端。现在加了一定程度的仓控,总收益和最大回撤都有了提升,就是风控确实还没头绪怎么加入。
还有一个就是你这个模型我看选出来的绝大部分是前几天跌了不少的股,那么赌的就是超跌反弹,居然是赌反弹,那么止损的意义就没那么大了,你要是选出来的是高位买进去的那止损才有意义,毕竟高位的跌起来更凶,更多
还有一个就是你这个模型我看选出来的绝大部分是前几天跌了不少的股,那么赌的就是超跌反弹,居然是赌反弹,那么止损的意义就没那么大了,你要是选出来的是高位买进去的那止损才有意义,毕竟高位的跌起来更凶,更多
还有一个就是你这个模型我看选出来的绝大部分是前几天跌了不少的股,那么赌的就是超跌反弹,居然是赌反弹,那么止损的意义就没那么大了,你要是选出来的是高位买进去的那止损才有意义,毕竟高位的跌起来更凶,更多
还有一个就是你这个模型我看选出来的绝大部分是前几天跌了不少的股,那么赌的就是超跌反弹,居然是赌反弹,那么止损的意义就没那么大了,你要是选出来的是高位买进去的那止损才有意义,毕竟高位的跌起来更凶,更多
也不好说是不是就是赌反弹,但肯定是一个倾向。比如11.12买入的安硕信息不能说是赌反弹。止损这个我可以加一个条件试试效果,比如当日如果买入就暴跌7.8个点,次日开盘就卖出
也不好说是不是就是赌反弹,但肯定是一个倾向。比如11.12买入的安硕信息不能说是赌反弹。止损这个我可以加一个条件试试效果,比如当日如果买入就暴跌7.8个点,次日开盘就卖出
我理解你模型是不是针对30的优化比较好,可以把10cm分出来单独跑一下
目标值设定的是涨幅,最终排序也是按预测的涨幅大小来排的,所以肯定30的概率会高一些。我目前能想到的针对主板的办法要不就只拿主板的股票池来训练,要不就用分类法来做只预测涨跌概率而不是幅度。
目标值设定的是涨幅,最终排序也是按预测的涨幅大小来排的,所以肯定30的概率会高一些。我目前能想到的针对主板的办法要不就只拿主板的股票池来训练,要不就用分类法来做只预测涨跌概率而不是幅度。
目标值设定的是涨幅,最终排序也是按预测的涨幅大小来排的,所以肯定30的概率会高一些。我目前能想到的针对主板的办法要不就只拿主板的股票池来训练,要不就用分类法来做只预测涨跌概率而不是幅度。
[图片]
目标值设定的是涨幅,最终排序也是按预测的涨幅大小来排的,所以肯定30的概率会高一些。我目前能想到的针对主板的办法要不就只拿主板的股票池来训练,要不就用分类法来做只预测涨跌概率而不是幅度。
其实刚才想表达的就是你第一种方法,怀疑是池子的问题;第二个听起来也是靠谱的但是工作量是不是就比较大了?个人觉着可以先分池子每天跑一下
其实刚才想表达的就是你第一种方法,怀疑是池子的问题;第二个听起来也是靠谱的但是工作量是不是就比较大了?个人觉着可以先分池子每天跑一下
其实刚才想表达的就是你第一种方法,怀疑是池子的问题;第二个听起来也是靠谱的但是工作量是不是就比较大了?个人觉着可以先分池子每天跑一下
我以前就是用的先分池再分类,先分池子有好处也有坏处,坏处在于比如去年前年的小盘股行情,如果训练的池子里没有的话,基本就是全年gg。分类的坏处在于,如果你将涨幅>0分为1,<0分为0,对模型而言,+0.01和+0.2都是一样的,无非是概率问题。分类对于做标签的水平要求是非常高的。以上说的这些都是我踩过的坑,纯干货。so如果有高水平去分股票池和做标签,我个人认为上限更高
我以前就是用的先分池再分类,先分池子有好处也有坏处,坏处在于比如去年前年的小盘股行情,如果训练的池子里没有的话,基本就是全年gg。分类的坏处在于,如果你将涨幅>0分为1,<0分为0,对模型而言,+0.01和+0.2都是一样的,无非是概率问题。分类对于做标签的水平要求是非常高的。以上说的这些都是我踩过的坑,纯干货。so如果有高水平去分股票池和做标签,我个人认为上限更高
11.21小亏的一天,今天空了一直在思考关于因子的筛选问题,试了一些因子的分层,单调性不够强。ic值也不够高,本质是因子不够强,对于资金流转的理解力还是不够。这推的股敢去接飞刀我尼玛?[微笑]
[图片]
[图片]
11.21
小亏的一天,今天空了一直在思考关于因子的筛选问题,试了一些因子的分层,单调性不够强。ic值也不够高,本质是因子不够强,对于资金流转的理解力还是不够。这推的股敢去接飞刀我尼玛?[微笑]
哈哈,这模型能选出这么多一字涨停的股啊,顶一字的话不一定进得去,这股炒的重组吧,我感觉大概率进不去
哈哈,这模型能选出这么多一字涨停的股啊,顶一字的话不一定进得去,这股炒的重组吧,我感觉大概率进不去
我以前就是用的先分池再分类,先分池子有好处也有坏处,坏处在于比如去年前年的小盘股行情,如果训练的池子里没有的话,基本就是全年gg。分类的坏处在于,如果你将涨幅>0分为1,<0分为0,对模型而言,+0.01和+0.2都是一样的,无非是概率问题。分类对于做标签的水平要求是非常高的。以上说的这些都是我踩过的坑,纯干货。so如果有高水平去分股票池和做标签,我个人认为上限更高
[图片]
我以前就是用的先分池再分类,先分池子有好处也有坏处,坏处在于比如去年前年的小盘股行情,如果训练的池子里没有的话,基本就是全年gg。分类的坏处在于,如果你将涨幅>0分为1,<0分为0,对模型而言,+0.01和+0.2都是一样的,无非是概率问题。分类对于做标签的水平要求是非常高的。以上说的这些都是我踩过的坑,纯干货。so如果有高水平去分股票池和做标签,我个人认为上限更高
结果我还是开盘冲了
结果我还是开盘冲了
上海匡慧网络科技有限公司 沪B2-20211235 沪ICP备2021021198号-6 Copyright ©2021 KUANGHUI All Rights Reserved. 匡慧公司 版权所有