Re: [標的] 台指大盤 機器學習線仙多

※ 引述《sky22485816 (玻利維亞)》之銘言：
: 1. 標的：台指大盤 (例 2330.TW 台積電)
: 2. 分類：多
: 3. 分析/正文：
: 使用RadiusNeighborRegressor回歸多項技術分析特徵
: 包含價格 RSI KD 成交量... 等等
: 用其找出歷史上相似特徵的收益
: 其高維特徵投影到二維上的分布如下
: 資料時間是2017年6月到現在約1300個交易日
: 藍色點表示20個日後加權指數高於當下
: 紅色則反之
: https://imgur.com/iJfDC0P
: 昨日的點位大概是紅圈圈起來的地方
: 在範圍內有50個鄰居
: 表示曾經有五十個類似昨日的訊號
: 統計分布如下
: https://imgur.com/Okvxllg
: 其中有約75%的鄰居20日後的指數會高於當下
: 平均漲480點
: 歷史上發生的最高虧損約1000點
: 門票
: https://imgur.com/18p253C

因為今天是期貨結算日
明天以後有可能因為別的短週期策略放空
對帳單上的平倉損益會失真
所以提早兩天發文
這篇文的標的還是會在5/19日盤收盤的時候平倉

目前的未平倉損益約為+200點
https://imgur.com/SCz4xdn

另外此策略在5/10號 15473又做多一口 目前未平倉損益+380
是因為在那天也滿足此策略進場條件
只不過因為上次發文的部位還沒有平倉 所以就沒有說
第二個訊號的入場原因一併補充
https://imgur.com/KfYBLiD
那天的數據特徵大約在圖片中黑色圈圈處
歷史上有53個neighbors
其中有85%的數據20日後的指數會高於當下
平均期望損益約400點
https://imgur.com/szpv3Q6

------------------------------------
我的表達能力可能有點差
不過簡單的類比給大家
例如說題目是看身高體重猜測腰圍
身高、體重是特徵，而腰圍就是要迴歸的數據

所以今天一個人他體重是90KG，身高170CM
當你需要預估他的腰圍時
你會去查查 體重在85~95KG，身高165~175CM的人
他們的腰圍平均是多少，來當作你的預測
這大概就是RadiusNeighborRegressor在做的事情
當然還需要對數據做一些前處理，特徵篩選，以及調整超參數之類的

對機器學習有興趣的可以在Youtube搜尋一下台大李宏毅老師
他的課程內容很好，我是他粉絲

--