关于复盘和拟合的思路 有些球...

关于复盘和拟合的思路

有些球友可能不太理解咱们每天费劲巴拉地搞那么多框架来复盘有什么用，有个朋友的留言总结的很到位，这里引用一下：

狗哥用数学范式，分类之后找关系，以及复杂系统演化论过程做研究 机器学习中，增量数据（增量信息输入）是喂给框架的必须输入 框架的假设验证必须是能兼容这些数据并且修修补补都能兼容前面的理论（就是狗哥说过的自洽） 数据不用担心太多（往往担心的是太少），依据聚类可以降维归纳 狗哥高频度复盘验证，就是在做人肉AI (土狗这名字和AlphaGo倒是意外配合）

其实，就是做深度学习，做回归，做拟合，只不过这是一个超级大的模型，每天喂一个多维数据（每天的交易） 所以，对模型的必然要求是开放性和一致性。 开放性要求吸纳增量数据和增量信息；一致性要求框架的稳健性，不能解释今天的逻辑和解释昨天的逻辑相冲突。 这是一条大道，只不过有人在拿计算机搞，我们在拿人肉搞。

为什么需要拿人肉搞呢？这是因为里面有两个岔口，一个方向是侧重开放性，模型简单，所以，需要对海量数据进行回归；另一个方向是侧重一致性，模型复杂，所以，数据不需要那么多，出现一个证伪点就需要调整。机器回归擅长前者，人肉回归擅长后者。所以，我们走的是后面那条路。

说实话，我是看不上走算力和数据那条路的，毕竟我算是符号派的徒子徒孙。

综上所述，就能搞清楚我们在干嘛了。利用开放+一致深度学习、模拟市场，在开放性和一致性之间更加侧重一致性。 所以，如果有人跑过来，乱加料，乱加自己的东西，我真的不知道怎么回应。

我不是懒得回，我是真不知道怎么回。

我只是个看门的，市场就在那里，确立了规则——“开放+一致，偏向一致”，很多东西我就管不了了，模型自有其生命力。

我们都是观察者。

那么，这个模型对诸位有什么用呢？这只是一个示范，如果你学会了回归的方法，你可以自己沿着某个路径（调整开放和一致的比率）深度学习市场，最终会得到一套自己的算法。我相信，给定市场，给定原则，整个算法是收敛的。 也就是说，即便大家的起始点和路径很不一样，但最终会收敛到相似的模拟算法中。

对于财经大v或者媒体里那些扯淡的说法，大家其实不用理的，连个算法都不算。所以，我也没太多的感情色彩。

但是，对于技术那套，我的态度是极度谨慎的。那是一个算法，但是一个封闭的算法，靠trick活着，且容易上瘾。 所以，我对技术是尊重的，但是极度警惕的。 我觉得这玩意儿像病毒和毒品。如果你真的理解我们在干嘛，就会明白为啥我对技术是惧怕的了。所以，但凡有人在星球里讨论技术，我就会很客气地把他们请走。

希望大家不要被现在、当下以及仓位捆得那么死，享受这个模型迭代、深度学习市场的过程。