趋势降噪对期货交易的指导意义研究—【SKL量化交易策略模型理论篇——技术分析系列】

本系列干货属于量化投资研究领域，随着人工智能的兴起，智能投顾、大数据分析、云计算决策等等一系列方法论和手段，在投资领域运用，其目的是寻找投资市场上的不同品种间的“最优解”算法和获得稳定合理的资产配置夏普率收益曲线，所以我本人也在研究之余，通过股市、期市等交易市场数据简单建模，进行量化交易的方法论、交易手段和资产配置策略探索，以下是一些较为成熟的模型经验分享。
在学习量化交易的过程中，需要明确的是：
1、高频交易和量化投资的关系和区别（不能混为一谈）
2、透过表象看本质：成功的模型不在于运用了多高深的数学理论，而在于它整合了多少不同来源的信息。即使是最简单的线性回归，如果各个参数都有很强的预测能力，且相关性很低，那么模型的预测效果也会很好；相反，即使运用复杂的深度学习理论，如果选取的参数毫无意义，最后得出的模型也没有用。
3、重在实践：实践是检验真理的唯一标准！

活动一刻：

点
一
下
看
谁
是
你
老
公

事件驱动多因子构造—【SKL量化交易策略模型理论篇~事件驱动系列】

技术均线去噪模型反作用“海归交易法则”—【SKL量化交易策略模型理论篇~技术分析系列】
“九格法”基本面量化分析模型探索—【SKL量化交易策略模型理论篇——基本面分析系列】
资金数据流预测模型—【SKL量化交易策略模型理论篇——资金流分析系列】

趋势降噪对期货交易的指导意义研究—【SKL量化交易策略模型理论篇——技术分析系列 】

趋势降噪对期货交易的指导意义研究—【SKL量化交易策略模型理论篇——技术分析系列】