二级市场投资，很大程度上与赌博有相似性。都是对某一种case进行下注，下注大小可控，如果对了，有正收益，如果错了有负收益。都有可能因为参与而破产，赌博欠债，交易亏完本金都不少见。 当然，区别也有，市场是一个多方博弈的连续过程，交易是选取一个时点进入，选取一个时点退出，而赌博是可重复的具有较强概率属性的事件。赌博一次的亏损是可控的，而交易一次可选的下注大小是头寸，对应到亏损和盈利如果不加时间条件的话是没有太多限制的。另外，以交易为生计是可行的，赌博就不太行（即使有那个能力也很快会被赌场拉黑）。 如果要长久把交易一直做…
风险平价理论由于桥水基金常年夺目的业绩，近几年被频繁提起。作为资产配置理论，以波动率衡量资产的风险和收益，同时由美林时钟的理论支持，在不同经济周期下面不同种类的资产形成轮动，总体上就能够达到分散化风险，平稳收益曲线的目标，同时具有资金容量巨大的优点。风险平价理论是否适用于中国市场，看法不一，我认为如果生搬硬套，结论将是不适用，如果认清本质灵活运用就自然而然。 风险平价理论最为人诟病的一点是以波动率衡量风险和收益，同样的理由使很多人也对VAR有所质疑。当然，单单列出这一条远远达不到分散风险的目的，试想两种资产同涨同跌…
使用已封装的技术指标时，我们需要特别关注实现细节，例如回测的时候使用了某个版本的指标，实盘使用另一个版本的指标，如果实现细节不一致就需要调整为一致，否则回测和实盘用的都不是一个指标，交易就是胡来了。 在使用TA Lib的ATR指标的时候就发现初值计算算法与其他版本不一致的问题。 这源于TrueRange的初值计算方法，TA Lib源文件注释说明如下： * Some books and software makes the first TR value to be * the (high - low) of the …
1.过拟合与欠拟合 机器学习有时候变成了一个经验性的事情，使用同样的模型去学习数据集，初始效果恐怕不会好，经验丰富的工程师知道接下去该怎么做才能找到更好的模型而没经验的可能就束手无策。这是一些数学和统计出身的人对传统机器学习有不屑的一点，严谨的数学模型和方法不会因经验不同而得出不同结果。 从数据集角度，数据越多越可以选用复杂模型，这是因为数据集越大意味着数据越接近总体，而非样本，那么模型可以更注重拟合而非泛化，因为拟合了总体就得到了泛化。相反地，如果数据集小，只能选用简单模型。 如何评估模型当前有没有过于复杂或过于…
1.非线性模型的意义 Neural Network 神经网络这一类非线性模型是机器学习非常重要的一部分，线性回归和逻辑回归存在局限性，并非是说他们在一些问题上不能进行拟合，而是比较难找到合适的多项式组合进行拟合。在性别分类的例子中使用三个特征身高，体重，胸围的简单组合可能就可以达到比较高的准确率了，但是在复杂情况，例如50×50像素图片的识别，每个像素点是一个特征就有2500个特征，如果是RGB彩色图片，每个像素点又有RGB三个特征一共有7500个特征，如果使用线性组合，1次项有7500个，2次项就有7500的平方…
上周一周时间完成了Coursera的Machine Learning（Stanford Andrew Ng）原本11周schedule的课程，满分通过，整个课程偏向应用，省略了大多数数学推导，难度不大，只要有高等数学和线性代数的基础，几乎没有障碍。 最近写几篇笔记记录下自己的思考和一些整理。 “A computer program is said to learn from experience E with respect to some task T and some performance measure P…
