※ 本文轉寄自 ptt.cc 更新時間: 2024-01-02 20:46:17
看板 Stock
作者 標題 [心得] 2023使用機器學習選股的年報
時間 Mon Jan 1 22:37:56 2024
過去每年都是自己憑感覺玩，處於那種賺了抱不住，賠了一停損馬上漲
只會google以為kd<20可以進場，kd>80準備要出場
或是覺得營收很好欸，結果進場一路崩
最後搞到賺的吐回去甚至還賠，然後就心態崩潰不玩了，但過一陣子又手癢那種輪迴
所以我自認我沒有玩股票的天分，那所幸我研究所玩過一點機器學習(但不是用在股票)
就想說自己搞不懂，那我就讓機器模型幫我搞懂，跟我講要買什麼就好
以下紀錄2023年的過程，但其實模型2022年8月開始實戰，那時候是125萬
2023年開始成本:141萬
年底損益:43萬+18萬股息
對帳單:https://upload.cc/i1/2024/01/01/AYbTO4.png
![[圖]](https://upload.cc/i1/2024/01/01/AYbTO4.png)
選股買賣週期:每個月all in
Input:一點點基本面+一堆技術指標共45個特徵
Training範圍:2005~2015
Testing範圍:2016~2022/7
模型:Weighted Ensemble
(類神經網路+XGBRegressor+ARDRegression+KNeighborsRegressor+ExtraTreesRegressor)
Output:模型Ranking後推薦的TOP 3分散投資
過濾:剔除交易金額1千萬以下的個股
(後來還是覺得金額還是太少，但再濾，資料量勝率跟報酬率都會降)
心得:
1.相信模型，很多時候推薦出來我心裡都os，師傅真的要這樣買嗎，kd鈍化了欸
結果過程中間可能會賠，但最後就是會賺
2.找出場機制，因為買賣週期是1個月，但回頭看其實不一定是賣在相對最佳的時間點，
一開始我逼自己嚴守紀律一定要時間到才賣，但少賺很多
後來自己套用一些開頭寫的那種kd簡單規則進行出場，並且做一些變化回測看看
結果那種google的到的規則突然有用了
這邊也可以分享"交易量"是最重要的，什麼規則幾乎都要配合量來看
3.整體績效來說應該有贏0050，截止10月也還贏正2，但不知道為何11月開始上漲這一波
模型選的股票沒跟到，導致績效輸正2，有點小灰心，覺得自己在忙什麼
可能隨時做好模型失效的準備
以上
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 49.158.68.138 (臺灣)
※ 作者: a76126 2024-01-01 22:37:56
※ 文章代碼(AID): #1baiv6ZA (Stock)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1704119878.A.8CA.html
推 : 線型選股策略在完全的多頭年 小輸正二還好吧...1F 01/01 22:44
推 : 模型在大多頭跟大空頭年都會失真,因為這是特殊事件2F 01/01 22:47
→ : 模型一般在普通年份會表現比較好也比較準,我認為
→ : 模型一般在普通年份會表現比較好也比較準,我認為
推 : 不熟模型 但這樣應該也是在trade策略嗎，那應該會4F 01/01 22:51
→ : 有吞吐量的問題，輸正二也還好 你等於拿去跟槓桿比
→ : ，那你也可以拿你的策略去開槓。
→ : 有吞吐量的問題，輸正二也還好 你等於拿去跟槓桿比
→ : ，那你也可以拿你的策略去開槓。
推 : 大多頭年輸正二就算了啦..盤整跟空頭年贏回來就好了7F 01/01 22:53
推 : 有沒有一種可能面對有趨勢的需要另一種指標？8F 01/01 22:55
→ : 大多頭跟大空頭才是魚身
→ : 大多頭跟大空頭才是魚身
推 : 有沒有入門推薦?10F 01/01 23:17
→ : 我漏掉最重要的心得，就是今年是多頭年...11F 01/01 23:18
→ : 模型沒經過空頭洗禮過...還需要更多時間驗證
→ : 模型沒經過空頭洗禮過...還需要更多時間驗證
→ : 結論買正二就好? 困罷數錢 XD13F 01/01 23:58
→ : 他是前測2005~2015然後後測2016~2022驗證是否有效14F 01/02 00:15
→ : 機器學習我不懂就從略，不過還是講一下
→ : 理論模型本來就不可能達到100%效率，你回頭看只是
→ : 因為你看到"未來"走勢才能評斷的，模型當下不會知道
→ : 機器學習我不懂就從略，不過還是講一下
→ : 理論模型本來就不可能達到100%效率，你回頭看只是
→ : 因為你看到"未來"走勢才能評斷的，模型當下不會知道
→ : 只有我覺得成本141萬股息18萬很詭異嗎 台股有那麼18F 01/02 00:41
→ : 多殖利率超過10%還填息的股票？
→ : 多殖利率超過10%還填息的股票？
→ : 績效輸+2不是問題 如果DD也比+2損更多才是沒用20F 01/02 00:41
推 : 推 希望可以看到長期分享 很有趣21F 01/02 00:45
推 : 推22F 01/02 01:13
推 : 股息18萬是用了榨汁的玩法吧 領息一檔後去領下一檔23F 01/02 01:54
→ : 大多頭年用這招很爽 填息率愈高週轉率也可愈高
→ : 大多頭年用這招很爽 填息率愈高週轉率也可愈高
推 : 我看盤整盤Ai要怎麼玩25F 01/02 04:12
推 : 如果永遠都漲確實會贏呀 畢竟回調後 下次往回漲一定26F 01/02 04:38
→ : 比前一次高
→ : 比前一次高
推 : 你試試[KD鈍化]買入條件，會不會績效大爆發？28F 01/02 05:06
推 : 回測就知道答案了29F 01/02 05:15
推 : 你有做cross validation嗎? 還有你怎麼判斷模型處於30F 01/02 05:22
→ : overfitting還是underfitting? 你data選的時間區間
→ : 的邏輯是?
→ : overfitting還是underfitting? 你data選的時間區間
→ : 的邏輯是?
推 : 因為他週期是月 所以股息才這麼少33F 01/02 06:44
→ : 可以考慮部分用年做交易週期
→ : 可以考慮部分用年做交易週期
推 : 模型不準，不就是data set有問題? 簡單來說, 你的35F 01/02 06:50
→ : 資料不就只是籌碼面？
→ : 例如，你的模型怎麼判斷AMD的AI晶片能不能追上NVDA
→ : ?第幾季開始影響？
→ : 資料不就只是籌碼面？
→ : 例如，你的模型怎麼判斷AMD的AI晶片能不能追上NVDA
→ : ?第幾季開始影響？
→ : 你賺的是beta39F 01/02 07:14
推 : 真麻煩 全丟00929就好40F 01/02 07:22
推 : 推一個41F 01/02 07:57
推 : 推AI機器人模型操股LoL42F 01/02 08:20
推 : 我覺得你的模型如果2022,2023都是賺那值得參考43F 01/02 08:49
→ : 多頭年就看敢不敢壓而已44F 01/02 09:01
推 : 雖然你有賺 不過train/validation最好別這樣切45F 01/02 09:17
推 : 你模型是做分類任務 然後把output Ranking?46F 01/02 09:47
→ : 四十幾個特徵都是價格衍生技術指標?
→ : 不考慮將股票池做類股分群嗎?
→ : 四十幾個特徵都是價格衍生技術指標?
→ : 不考慮將股票池做類股分群嗎?
推 : dd多少49F 01/02 09:51
→ : 資料 也可以考慮用TimeSeries CV來切50F 01/02 09:51
→ : 噢 沒看清 你是做Regression
→ : 噢 沒看清 你是做Regression
推 : 股市走多頭，怎麼買都會贏，走空頭，怎麼買都會輸，52F 01/02 10:21
→ : 說到底還是本多終勝
→ : 說到底還是本多終勝
推 : 輸入只有kd資料做學習嗎？54F 01/02 10:33
噓 : 我去年十月買股 至今沒一檔不賺的，你先等你模型能55F 01/02 10:34
→ : 躲過開頭再說
→ : 躲過開頭再說
→ abc5555990 …
推 : 其實這績效只證明你是白忙一場，根本選不贏人類啊58F 01/02 10:47
→ : 選半天跟大盤差不多，風險高很多
→ : 選半天跟大盤差不多，風險高很多
推 : 別看淨報酬 要看Sharpe60F 01/02 11:35
推 : 有書單可以推薦嗎？61F 01/02 11:43
推 : 個人比較喜歡看Calmar Ratio，比較在意風險。62F 01/02 12:02
推 : 推63F 01/02 12:31
推 : 請問下單是人工下還是程式下的64F 01/02 13:17
→ : 人工下單 dd約10%左右65F 01/02 13:54
→ : 我沒看書 我直接買線上課程 拿程式回來改
→ : 如何知道有沒有overfitting，我只會看traing和vali
→ : dation兩者的趨勢
→ : 好奇G大不建議這樣分割資料是為何呢? 沒測到08年嗎
→ : 我沒看書 我直接買線上課程 拿程式回來改
→ : 如何知道有沒有overfitting，我只會看traing和vali
→ : dation兩者的趨勢
→ : 好奇G大不建議這樣分割資料是為何呢? 沒測到08年嗎
推 : 印象中cross-validation應該是全部資料去切？70F 01/02 14:43
→ : 切k段然後拿k-1段train，第k段拿來驗證，這樣資料
→ : 比較不浪費 個人觀點是把時間拉長，把每個短期shock
→ : 都變成循環的一部分，這樣模型應該表現會越來越好
→ : 切k段然後拿k-1段train，第k段拿來驗證，這樣資料
→ : 比較不浪費 個人觀點是把時間拉長，把每個短期shock
→ : 都變成循環的一部分，這樣模型應該表現會越來越好
推 : 參考一下這篇量化報導，https://reurl.cc/rr1OAZ74F 01/02 14:48
→ : 另外你的模型可能有潛在問題 1.生存者偏差
→ : 2除權息調整 3太過集中持股，建議放寬持股看敏感性
→ : 另外你的模型可能有潛在問題 1.生存者偏差
→ : 2除權息調整 3太過集中持股，建議放寬持股看敏感性
Man beats machine in hedge fund investment battle
![[圖]]()
Everyone from telephone salespeople to therapists are worried about artificial intelligence taking their jobs but man has triumphed over machines in t ...
![[圖]](https://s.yimg.com/ny/api/res/1.2/fhw0H13yYVneNigLJaICeA--/YXBwaWQ9aGlnaGxhbmRlcjt3PTEyMDA7aD03NDg-/https://media.zenfs.com/en/the_telegraph_258/bac26c48d153381a2cdbe5c0c28b8034)
--
※ 看板: Stock 文章推薦值: 0 目前人氣: 0 累積人氣: 79
回列表(←)
分享