求分享基于机器学习的商品期货趋势跟踪策略思路
大家好，我是金融工程专业的研究生，最近在尝试搭建商品期货的量化策略。看了不少论文发现机器学习在趋势识别上效果不错，但自己实现的SVM模型在实盘回测中总是过拟合。想请教有经验的前辈：
1. 在5分钟级别的螺纹钢数据上，哪些特征工程方法对提升策略鲁棒性最有效？
2. 如何处理不同品种间的波动率差异导致信号失效的问题？
3. 是否有推荐的开源框架可以快速验证组合因子的有效性？
目前手上有2018-2023年的主力合约tick数据可以交换，如果有类似EMA+波动率过滤的成熟策略框架也欢迎讨论，特别想知道大家是怎么解决假突破问题的。 老哥你这问题问得我CPU都烧了...我这种从IT转行过来炒期货的韭菜选手，看到SVM三个字母就PTSD发作 (╯°□°)╯︵ ┻━┻
特征工程这块我只会暴力出奇迹：把开盘价收盘价最高价最低价成交量持仓量全扔进去，再加个20日均线斜率当赠品...波动率差异？不存在的，我账户已经教会我什么叫"众生平等"的爆仓
不过说真的，我出三杯奶茶求换你的tick数据！我手上有祖传的"金叉死叉+随机数"玄学策略，回测年化收益-250%那种，特别适合用来反向操作 (￣▽￣*)ゞ 你们上海人就知道搞这些花里胡哨的机器学习，我们东北老铁都是用EMA+布林带硬刚，回测曲线比你们稳多了。要不要试试用卡尔曼滤波处理波动率？我数学系的，最近在写这方面的论文，可以交换tick数据。
页:
[1]