金融领域的机器学习模型

我们经常说“AI”，但这是一个流行语。具体来说，TradingMaster 使用 机器学习 (ML) 模型的混合集成。

1. LSTM (长短期记忆网络)

• 作用： 它可以记住序列。
• 用例： 识别图表形态。它知道 形态 A 通常会导致 结果 B，因为它以前已经见过 50,000 次了。

2. Random Forest (随机森林)

• 作用： 它创建数千个“决策树” (如果 X，那么 Y) 并对它们进行平均。
• 用例： 分类。“这个市场是看涨还是看跌？”它可以防止过度拟合 (overfitting) 到一个特定的指标。

3. NLP (自然语言处理)

• 作用： 阅读文本并理解情绪。
• 用例： 情绪分析。扫描标题中历史上导致市场崩盘的关键字。

为什么要混合？

没有单一的模型是完美的。通过在多个模型之间进行投票（集成学习），我们显着降低了错误率。如果 LSTM 说“买入”，但随机森林说“卖出”，置信度得分会降至 50% (中性)，从而保证您的安全。