期货反向跟单大数据算法--数据匹配
受限于期货反向交易的特殊性，交易员的生存周期极其的短暂，所以在这宝贵的时间内，我们应该充分的利用好交易员工作的每一分钟。然而很多人没有充分的意识到，并陷入持续性的测试中，或许在他们的常识或者认知中，只有交易员大幅度的亏损，才能够放心大胆的投入到反向跟单中。我曾经在某几篇历史文章中不止一次的说道过，交易员的数据是没有任何办法测试的，因为行情是一直的调整，横盘、震荡、单边。期货反向本身就是单边策略，很简单，我们可以做一个假设，在长周期的模拟测试之后，盘手经历了大爆仓，作为运营者一定是相当的开心，进而大举入市，然而周期是不断的循环，单边过后必然盘整，于是就有了测试赚钱，实盘亏损的结果，结果不仅于此，越亏损、越凌乱、越调整、越亏损、直至放弃。
以上问题如何去解决呢？这就是昨天的“交易员画像”和今天的“数据匹配”所要处理的。
在我们相同的管理体系中，严格来说：管理方法相同、交易规则、薪资制度、积分奖励相同，盘手场地所处区域不同、管理人员不同，但是标准一致、我将这种流水线作业的盘手数据全部生成一个数据库（导入的是上一篇文章所说的交易员画像，最近在开发交易员数据花像自动生成的功能，最终每个交易员的数据都以曲线的形式展示）。对于新入职的员工，我们会同步实时的统计他们的数据曲线，比如说张三十月一号正式交易，那么在十月一号的收盘结束时，我们会将他的当日曲线自动生成，然后把张三的数据形态作为模型，导入到交易员数据库中进行形态上的匹配，自动检索出与张三形态相似的样本，并计算出相似样本的亏损额度，去掉一个最高值和最低值，取中间的平均值，推测出张三未来的曲线形态。我的盘手样本越多、数据库越丰富、那么匹配的结果越准确，同样的，胜率会越高。
时间
2024-03-12 20:48
栏目
跟单百科
作者
半个徐
分享
联系我们
- 微信公众号
