我正在尝试训练一种算法来复制各种外汇社交交易网站上的一些顶级交易者。问题是交易者每个月只交易大约 10 次，所以即使我只查看 0.02% 的时间 [10/(60*24*30)*100] 的分钟分辨率数字。
我尝试过使用随机森林，它给出的错误率约为 2%，这是不可接受的，而且据我所知，大多数机器学习算法都有相似的错误率。
有谁知道更好的方法？
什么是低频交易的好机器学习算法？
数据挖掘
机器学习
分类
随机森林
2021-09-24 17:48:22
1个回答
随机森林、GBM 甚至更新更高级的 xgboost 都不是股票预测或外汇交易的二元分类（预测涨跌预测）的最佳候选者，或者至少不是主要算法。原因是，对于这个特殊问题，它们需要大量的树（以及在 GBM 或 xgboost 的情况下的树深度）以获得合理的准确性（Breiman 建议使用至少 5000 棵树并且“不要吝啬”事实上他关于 RF 的主要 ML 论文，他每次运行使用 50,000 棵树）。
然而，一些 quant 使用随机森林作为特征选择器，而另一些则使用它来生成新特征。这完全取决于数据的特性。
我建议你在 quant.stackexchange上阅读这个问题和答案，人们在其中讨论什么方法是最好的以及何时使用它们，其中包括 ISOMAP、拉普拉斯特征图、人工神经网络、群优化。
查看同一站点上的机器学习标签，您可能会在那里找到与您的特定数据集相关的信息。
其它你可能感兴趣的问题