数据纵横：探秘 K 线结构新维度—— 机器学习系列报告之二
创建于 更新于
摘要
本报告深入探讨了如何改善传统时间K线结构以提升机器学习算法在金融投资领域的效果。通过对比时间等分K线与非时间等分K线（如成交量K线、Tick等分K线）的统计特性，发现非时间K线在正态性、自相关性和异方差性方面表现更优，尤其是成交量K线在波动率方向预测的准确率上表现突出，超过65%。此外，基于成交量K线训练的模型更适应市场波动变化，具备更强的泛化能力，适合构建波动率交易模型，提升投资决策质量[page::0][page::4][page::5][page::7][page::10][page::13][page::16]
