所谓“训练”其实就是数学规划拟合,比如说任何可以数量化的数学函数都可以用线性或者低阶指数函数拟合,那么当你有着大数据的时候,你就可以用数学规划论的方法,寻找拟合优化参数,让低阶拟合函数尽量拟合历史数据。
比如说,假设一个单位有1000名员工,老板想通过“调研30个因子——例如出勤率、颜值、身高、工资待遇、A业绩、B业绩、C罚款、跟我点头哈腰次数.......”来统计出哪些人是历年来我最爱给他(她)发红包的自己人,那就可以用统计数学方法。
而这个统计数学方法,这些年被忽悠为名词儿“神经网络”。再结合机器传感器采集各种数据,互联网搜索引擎,语言编稿模型,等等,越来越像似乎有“智能”似地。
说了这么多,其实告诉你一个真相,所谓神经网路训练交易参数,就跟传统的“拟合优化EA参数”是一个意思。只不过过去的EA优化拟合参数没用用到外部的 DeepSeek 之类的这种针对更大量数据、更多参数的统计工具,现在你可以用到。
实际结果估计90%也是一样的,过拟合!稳定亏损! |