全部內容
由新到舊
BDD是什麼
BDD 是 Behavior-Driven Development（行為驅動開發） 的縮寫，是一種軟體開發方法論，結合了 TDD（測試驅動開發） 和 DDD（領域驅動設計） 的概念，主要目的是讓開發團隊、測試人員與非技術的業務人員（如產品經理）能用共同的語言協作，確保開發的系統功能符
現在虛擬貨幣投資愈來愈熱門
確實有許多研究的空間
例如鏈上數據
k線數據
新聞消息
都有可能拿來當作交易的判斷
我們常常會做很多分析之後來做交易
我們做交易的流程可能是這樣的
1.(幣種 交易週期 當前時間)
2.獲取多方數據
3.聚合數據
4.複雜買賣訊號計算
5.輸出買賣訊號
最近把策略加入IC , IR的驗證
IC（Information Coefficient）和 IR（Information Ratio）
IC：衡量預測值與實際報酬之間的相關性。
IR：衡量整體預測穩定性，也就是平均IC與其波動的比值。
1. Information Coefficient
上一篇介紹了軟體開發積極度選幣策略
如果還不清楚可以去看我方格子軟體開發積極度選幣策略
https://vocus.cc/article/687ba63efd897800010c00e1
其實簡單來說就是假設項目方比較積極開發的項目比較會漲
而且這比較可能是先行指標 畢竟區塊鏈本質就是一堆程
在買股票的時候投資人
常常會評估一間公司是不是真的積極在做事
例如實際去公司考察 或是認識公司內部的人 知道他們很忙
訂單接不完 這種小道消息 之後可能就會參與投資
反之幾乎跟死水一樣的就不要投資
那有沒有什麼方法可以套用到幣圈來呢?
有的 虛擬貨幣本質上就是一堆程式碼
也是有項目方工
最近從finlab_crypto在研究基本的雙均線策略
當我把時間刻度調整到每秒一筆出現很奇怪的現象
由於熱力圖 跟 回測 不難 所以我就寫程式自己做了
什麼 難道 在秒級數據上用sma5 sma10 操作就是聖杯嗎?
看看在新的時間段是否有效
我把原始數據 80/20切分 80%用來找最
前幾個章節我們已經實驗了
用一些技術指標 丟入 隨機森林 跟SVM硬train一發
看看這樣做出來的策略效果怎樣
其實都沒有說有非常好的效果
用技術指標去預測漲跌基本上跟看著後照鏡開車差不多
因為技術指標都是用過去的價格走勢算出來的
但是也有一套說法是說 歷史會不斷重演
所以也許在擬合
2025/08/22
哥，我看完你這篇文章有個好玩的想法想跟你分享，就是有沒有可能有個量化模型，我們給他很多不同的鏈上數據，但是不讓他看到價格，然後訓練他，讓他能夠知道什麼時候要看什麼數據，某個數據顯示出什麼狀態，或是他以一種我們都沒辦法理解的方式判斷出某個數據出現某個狀態的時候可以做多或做空，然後我們用他每一筆的交易獲利來當作獎勵來做強化學習，我不知道我對這些人工智慧的知識正不正確，我才剛開始接觸，很感謝大哥寫這些文章讓我能學習
做機器學習一定會遇到的問題調參
這幾天在想有沒有辦法把這件事情利用AI做到全自動化呢
可以的還可以做到雲端全自動化 不會讓你本機電腦佔資源妨礙你打遊戲
設定好之後你只需打你的遊戲幾個小時回來看就好了
看上面那張圖 左邊每個檔案都有標上R2 右邊是我的終端機 他告訴我已經幫我調參成功
把R2
上一章嘗試了用隨機森林模型預測漲跌
這一張要嘗試用SVM
SVM是一個參數化模型 跟隨機森林不同
SVM內部會學一個權重用來把數據分成兩類
SVM在學的就是找一個W值使得 2/w愈大愈好 w愈小愈好
通常具有良好的汎化能力
一樣SVM模型繼承自BaseStrategy這個類別
首先
前面介紹了幾種基於規則的策略
https://vocus.cc/article/685d463dfd89780001f3d7fd
並驗證了它們在比特幣上的表現
其實多數都是虧錢的
這一章開始用隨機森林來測試機器學習有沒有幫助
一樣沿用之前的
定義一個隨機森林策略
準備資料
注意機器學
