「ความเรียบง่ายของ EA ที่ชนะ」(4/21) บันทึกความพยายามพัฒนา AI การลงทุน

EA คือการกำจัดของรก

การเกิด Curve Fitting เป็นกับดักที่อยู่ในวง EA ว่าความเป็นจริงที่เป็นที่รับรู้”

สิ่งที่จำเป็นเพื่อหลีกเลี่ยง Curve Fitting คือการทำให้เงื่อนไขเรียบง่าย

มันไม่ใช่เพียงแค่การทำให้การเขียนโค้ดง่ายขึ้นเท่านั้น

ในความเข้าใจของมนุษย์มองว่าเรียบง่าย แต่เมื่อทำเป็นโค้ดกลับยาก

เช่นอย่าง Gotobe (Goto-be) เช่น

ตรรกะเรียบง่าย = โค้ดเรียบง่าย ?

สิ่งที่ไม่ควรผิดคือความจริงที่ว่าระบบตรรกะเรียบง่ายดีกว่า และการที่โค้ดเรียบง่ายไม่เที่ยงกับตรรกะ

〇ตรรกะเรียบง่าย

×โค้ดเรียบง่าย

ไม่ควรปรับค่าเมตริก MA ตามตรรกะของ GXDX ( Golden Cross, Dead Cross )

นี่เป็นแนวคิดผิดที่ตรรกะซับซ้อน โค้ดเรียบง่าย

แล้วจุดไหนเรียบง่าย จุดไหนซับซ้อน อะไรดีอะไรไม่ดี?

โดยทั่วไปต้องทำการตรวจสอบผ่าน backtest เช่น walk-forward เพื่อยืนยัน

ให้เรียบง่ายด้วย Machine Learning

Machine Learning สามารถทำให้ความซับซ้อนของตรรกะถูกทำเป็นตัวเลขเป็นพารามิเตอร์

ด้วยการทำให้เป็นตัวเลข เราสามารถปรับจำนวนพารามิเตอร์เพื่อให้ Curve Fitting เกิดขึ้นได้

ตัวอย่างเช่น มีค่าอินดicator หลากหลายประเภท ให้เตรียมไว้มากกว่า 1000 ชิ้น

โค้ดนี้ซับซ้อนมาก

อย่างไรก็ตาม หากจำนวนพารามิเตอร์เป็น 1 ตรรกะจะเรียบง่ายมาก

นี่เป็นทิศทางที่ถูกต้องของความเรียบง่าย

สั้นๆ นิดหน่อย

สิ่งที่ติดตั้งใน EA คือ

ผมคิดว่า 1 ถึงหลายร้อยล้านพารามิเตอร์ แต่ถ้าถึงหลักหลายร้อยล้านข้อมูลจะหนักเกินไปและไม่สามารถใช้งานในการเทรดได้

LLM เป็นต้น มีการกล่าวถึง GPT-3.5 มากกว่า 3000 พันล้าน (3e11) ขึ้นไปใช่ไหม

ถึงจุดนี้ด้วย PC ที่ใช้งานทั่วไปไม่สามารถทำได้ในขณะนี้ ใช้เวลานานเกินไป