几个常见AI量化交易问题
由iquant创建，最终由iquant 被浏览 93 用户
年后，北京一个忠实用户问了几个问题，我整理了下，也方便持续交流。
他给我留言的问题如下：
- 我们的策略回测时，用的模型有没有把验证集的数据学习了？
- 滚动回测的效果远远不如常规的 可能原因时什么？
- 短期交易，大户资金流比较重要，有什么帖子或者研报发我提供点思路？
- 预测明天股票，一定要放在回测里，收通知吗？ 验证集最后一天也成最近一天交易日，可以预测吗？
这是他的原话，一个字没有修改，因为我怕理解有偏差。
回测是否学习验证集数据？
在机器学习算法中，我们把可以获得到的数据分为训练集，验证集和测试集，之所以这样划分，是因为训练集拿来训练模型，验证集用来确定模型，测试集用来使用模型预测，各自分工不一致。算法是训练出来的，算法会学习训练集的数据，找到一些pattern，但是训练模型不会用到验证集和测试集的数据，就谈不到模型把验证集的数据学习一说啦。在BigQuant平台上，训练集和测试集数据有清楚明确的划分，而且是以时间点作为划分点，这样的处理使得训练集和测试集完全没有一点重合，因此模型不会把验证集的数据学习。其实，这里连验证集都没有，我们是直接训练集训练出模型，减少了使用验证集来确定模型这一步，然后将模型应用在测试集数据上，测试集也是我们的回测区间，其本身策略的表现就是对模型的一个验证。我猜想，他提问的本意是想说，很多策略资金曲线跑的很漂亮，会不会是因为事先训练模型的时候就已经学习了这些数据，其实并不是的哈，我们严格进行了数据划分
滚动回测效果一定会提升吗？ 肯定不是哈
先说说滚动回测本身的一些参数设置吧，滚动回测涉及到最小数据长度、更新周期等，具体可以参考：在AI策略中使用滚动训练 （https://community.bigquant.com/t/在AI策略中使用滚动训练/3542?_ga=2.80279959.1291189343.1632621343-109686139.1631072428）
这两个参数都会影响到你训练模型所使用的样本数据量，数据量太少可能会欠拟合，因此训练出来的模型不一定在新的数据上表现良好。
对机器学习算法而言，数据量需要很大，因为其所要探寻的pattern本来就不是那么直观。
从上图可以看出，默认设置下，滚动训练是在更新模型的时候训练集用到了更多的数据，通过最大数据天数能够控制训练集的数据样本。另外，不同时间区间，市场的状态是不一样的，这里也会影响模型。
大户资金流真的很重要
之前有一天，我们爬取的资金流数据没有及时更新，下午六点那会几个用户问我们数据为什么是缺失值，刚好那会我们数据爬取的监控也发来提醒，因此用户还走在了监控程序之前给我们反馈数据的问题，可见其重要性。 资金流是推动价格变动最为直接的原因。
怎样预测数据
如果还有这样的疑问，那对机器学习算法以及我们平台的使用还需要加深。模型在新的数据上实现预测的目的，以指导我们决策，只要有模型，并有新的数据就可以完成预测，因此我们不要局限于什么时间段的数据，哪一天的数据。如果要预测明天的股票，那么我们把今天收盘后的数据传给模型就可以啦。这里的预测逻辑是：今天的数据在收盘后是最新的数据，那么传给模型后，模型会有一些预测结果，结果可以成为我对股票未来的一个判断，因此可以生成交易信号，好的股票当然要继续持有，差的股票应该果断卖出。用户可以在策略中手动运行进行预测，这可以称为回测，也可以写好逻辑，让该策略模拟交易，这样自动运行后如果绑定邮箱或者微信后就可收到信号推送。
欢迎交流
补充一个问题
问题核心是：如果我的策略在3个月的测试集上给有良好的回测结果，那么我就直接用中间断了3个月的模型去预测将来5天吗？ 还是说我的模型把这3个月的数据训练了，再预测将来5天会更好呢？
答：都可以。直观上来说，多三个月的数据可能能训练出更符合当下市场状况的模型。 但间断了三个月的也有优势，因为该模型通过了三个月的回测检验，在过去三个月已经被证实过。