#量化交易

暗号通貨界の機械学習のスタイル
暗号通貨の世界において、機械学習戦略のスタイルは、選択するコインの数と資金の配分方法に大きく依存します。
私たちは皆、暗号通貨市場の成熟度が従来の市場よりもはるかに低いことを知っています。
したがって、ここではファットテール効果がより顕著になります。
正のブラックスワンでも、逆のブラックスワンでも、
それらの出現頻度は、従来の市場よりもはるかに高い。
コインを多く選択する場合、
機械学習モデルは、肥尾分布における「全体の平均状況」により重点を置いています。
このような全市場環境では、限られた注意力のために、
市場はしばしば持続的に上昇することが難しい、
したがって、逆転効果はより明確になり、スタイルは逆転ファクターにより近くなるでしょう。
言い換えれば、多通貨の機械学習戦略を選択することは、
日常市場では安定したパフォーマンスを示すことがよくあります。
しかし、特に価格変動が大きい通貨（例えばMYX、ALPACA）に遭遇した場合は、
モデルは顕著な損失を出す可能性があります。
そして通貨の数量が少ないとき、
機械学習モデルは、少数の対象の強い動きにより集中するようになります。
持続的に上昇し、高い注目を集めているコインの捕捉に焦点を当てる、
この種の戦略は、モメンタム効果により偏っています。
「ロングコイン戦略」の大幅な変動市場におけるリスクをある程度ヘッジできる。
では、どのようにして多通貨戦略によって発生する損失を激しい市場の変動の中で減らすことができるのでしょうか？
通常、2つの方法があります：
1.ハイブリッド戦略:
一部の「少ないコインを選ぶ」機械学習戦略を統合する、
モデルが平均回帰と持続的トレンドの間にバランスを見つけるようにする；
2.勾配重みトレーニング：
異なる選択通貨の重みを通じて、モデルが日常の市場で平均回帰の逆転スタイルを学習することを可能にします。
同時に大幅なボラティリティのある市場でも、モメンタムスタイルを捉えることができます。
これにより、日常の市場で安定したパフォーマンスを維持することができます。
また、市場が突然変動する際に、突発的な出来事による「打撃」のリスクを軽減することができます。

長年にわたり量的自営取引に取り組み、トップクラスの個人量的サークルと専門的な実戦指導プランの構築に注力しています。
哀れみxiaofuの方法2886