在學(xué)習(xí) DQN 算法之前，先了解一下它所屬的分類——強化學(xué)習(xí)。

將強化學(xué)習(xí)和之前所學(xué)的有監(jiān)督學(xué)習(xí)做個對比：如果說有監(jiān)督學(xué)習(xí)是通過標(biāo)記來訓(xùn)練模型，強化學(xué)習(xí)則是通過獎勵來訓(xùn)練模型。

在強化學(xué)習(xí)中，機器基于環(huán)境做出行為，正確的行為能夠獲得獎勵。以獲得更多獎勵為目標(biāo)，實現(xiàn)機器與環(huán)境的最優(yōu)互動。

做個類比，教狗子握手的時候，如果狗子正確握手，就能得到骨頭獎勵，不握手就沒有。倘若咬了主人一口，還會受到懲罰。長此以往，狗子為了得到更多骨頭，就能學(xué)會握手這個技能。

看似很直白，但這就是強化學(xué)習(xí)的原理，只不過要把狗子換成電腦。

強化學(xué)習(xí)之下有很多算法，它們的原理都是相同的——通過獎勵來訓(xùn)練模型。只是在實現(xiàn)方式和學(xué)習(xí)效率上各有不同。

理解了強化學(xué)習(xí)的原理后，再通過一個例子理解它和有監(jiān)督學(xué)習(xí)的區(qū)別。

還記得圍棋大師——AlphaGo 嗎？

有監(jiān)督學(xué)習(xí)就是給 AlphaGo 大量已經(jīng)標(biāo)記出最優(yōu)解的棋譜，告訴它在每個場景下的最優(yōu)落子位置，通過這種方式讓 AlphaGo 學(xué)習(xí)圍棋。

但是，棋局的走勢千變?nèi)f化，棋譜無法囊括所有情況。因此，強化學(xué)習(xí)試圖從另一個角度去解決這個問題。

強化學(xué)習(xí)讓 AlphaGo 不斷和對手下棋，如果一步棋對局勢有幫助，就給它獎勵；反之沒有獎勵，甚至受到懲罰。通過尋求更多獎勵，AlphaGo 就能掌握精湛的棋藝。

用圖片總結(jié)并對比了一下兩種方式的區(qū)別：

要素

在強化學(xué)習(xí)的過程中，會涉及六個要素：機器、環(huán)境、狀態(tài)、行為、獎勵、評論家。它們的關(guān)系如下圖所示：

繼續(xù)以 AlphaGo 為例，逐一講解它們的含義。

1）機器（Actor 或 Policy）：是強化學(xué)習(xí)的訓(xùn)練對象，即決策模型，也就是 AlphaGo 。我們可以把它叫做機器或者策略，在算式中經(jīng)常用 π 來表示。

2）環(huán)境（Environment）：和機器發(fā)生互動的環(huán)境。在 AlphaGo 的例子中，環(huán)境就是對弈場景，包括對手、圍棋規(guī)則等。

3）狀態(tài)（State 或 Observation）：環(huán)境當(dāng)下所處的狀態(tài)，可以理解為 AlphaGo 對弈時，每次落子前棋盤上的情況。

4）行為（Action）：機器根據(jù)狀態(tài)所做出的行為，也就是 AlphaGo 根據(jù)當(dāng)前棋盤的情況，所選擇的落子位置。機器做出行為后，會進入下一個狀態(tài)，并根據(jù)新的狀態(tài)再次做出行為，循環(huán)往復(fù)，直到互動結(jié)束。

5）獎勵（Reward）：機器的行為所獲得的獎勵。 對于 AlphaGo 來說，贏棋是一種正向獎勵，輸棋則是一種負(fù)面獎勵。

6）評論家（Critic）：一套行為評價體系，根據(jù)每個行為的價值進行打分。

在一盤棋局中，贏棋是好，輸棋是壞，可是中間某一步棋的好壞很難評估，因此很難得到實時的獎勵。這時就需要評論家，它可以計算出一步棋對整盤棋的價值，為每一步棋打分，給出實時的獎勵。

用 AlphaGo 的例子，將這六個要素的關(guān)系串聯(lián)起來。

在對弈的環(huán)境中，AlphaGo 根據(jù)棋盤上的狀態(tài)，做出落子行為，然后每盤棋的勝負(fù)獲得獎勵。模擬足夠多棋局后，評論家就可以通過計算預(yù)測出每步棋對整盤棋的價值，為其打分。

通過不斷訓(xùn)練，機器以贏更多局棋為目標(biāo)，不斷更新優(yōu)化，成為一個圍棋大師。

分類

當(dāng)機器面對一個狀態(tài)時，可選的行為往往有很多。根據(jù)行為能否被全部列舉，可以將強化學(xué)習(xí)的場景分為兩類：離散場景和連續(xù)場景。

離散場景

離散指行為的個數(shù)有限或可數(shù)。一般來說，在離散場景下，可以把所有行為列舉出來。

下面，通過一個經(jīng)典游戲——坦克大戰(zhàn)，進一步理解離散的含義：

在坦克大戰(zhàn)中，每個坦克可以做的行為是有限的、可數(shù)的，只有「向上、向下、向左、向右、開火」這五個動作，移動也只能一格一格地走。因此，如果你足夠的時間和耐心，一場游戲中的情況可以被全部列舉出來。

這種情況稱為離散。

在離散場景下，數(shù)據(jù)搜集的難度并不高（對計算機來說）。假如要訓(xùn)練一個智能坦克，可以把每個狀態(tài)下的所有行為列舉出來，用評論家為每個行為打分，通過選擇最高分的行為實現(xiàn)最優(yōu)互動。

因為需要評估每個行為的價值（Value），所以這種強化學(xué)習(xí)方法被稱為基于值（Value-Based）的方法，也可以被譯作基于價值的方法。

在基于值的方法下，有一個經(jīng)典算法，即本關(guān)學(xué)習(xí)的重點——DQN 算法。

連續(xù)場景

連續(xù)指在一定區(qū)間內(nèi)可以任意取值，相鄰兩個數(shù)值可以被無限分割。比如，從 0 到 1 之間，有 0.1、0.11、0.111、…

在強化學(xué)習(xí)的場景中，可以理解成機器的行為是連貫的。

比如模擬賽車的游戲，賽車的方向盤轉(zhuǎn)動角度可以在一定區(qū)間內(nèi)任意取值，角度之間可以無限分割。

在這種背景下，即便是計算機也無法窮舉出全部行為。因此，如果要訓(xùn)練一個智能駕駛員，基于值的方法就無法勝任。

這時需要用到另一種強化學(xué)習(xí)方法——基于策略（Policy-Based）的方法。它無需根據(jù)每個行為的價值來打分，可以很好地勝任連續(xù)場景。

DQN算法原理

概念

DQN 算法全稱 Deep Q Network，它以 Q-Learning 算法為基礎(chǔ)，融合了神經(jīng)網(wǎng)絡(luò)（Neural Network），實現(xiàn)了更強大的強化學(xué)習(xí)功能。

Q-learning

Q-learning 也是一種基于值的強化學(xué)習(xí)算法，它在強化學(xué)習(xí)原理的基礎(chǔ)上，引入了一個概念——Q 值。

Q 值表示做出一個行為后能夠獲得的累計獎勵。它是算法模擬大量數(shù)據(jù)后，通過復(fù)雜的函數(shù)計算出來的。

并不需要深究具體計算過程，只需簡單地把 Q 值理解成評論家（Critic），它的大小表示每個行為的價值。一個行為的 Q 值越高，表示該行為能帶來的獎勵越多，越應(yīng)該被選擇。

在訓(xùn)練 Q-learning 算法時，需要用到以下三類數(shù)據(jù)：

1) 環(huán)境的每一個狀態(tài)，簡稱為 s（State）；

2) 每個狀態(tài)下所有行為，簡稱為 a（Action）；

3) 每個行為的 Q 值，簡稱為 Q。

總結(jié)一下，Q-learning 算法需要知道每個狀態(tài)(s)下，所有行為(a)的 Q 值。它的訓(xùn)練目標(biāo)是，讓機器在每個狀態(tài)(s)下都能做出 Q 值最大的行為(a)，從而實現(xiàn)機器與環(huán)境的最優(yōu)交互。

神經(jīng)網(wǎng)絡(luò)

Q-learning 訓(xùn)練時需要用到狀態(tài)(s)和行為(a)，以及它們所對應(yīng)的 Q 值。它用表格來儲存這三類數(shù)據(jù)，如下圖所示：

可以這樣理解這張圖：在 狀態(tài) s1 下，行為 a1、a2、a3 的 Q 值分別是 1、0、2。因此 狀態(tài) s1下的最優(yōu)行為就是 a3。

可是，當(dāng)狀態(tài)和行為的數(shù)量非常龐大時，用表格儲存所有數(shù)據(jù)會占用非常多的資源。

比如下圍棋，棋盤一共有 361 個點位，每個點位有“黑”、“白”、“空”三種情況，因此整個棋盤的布局有 3 的 361 次方個狀態(tài)。用表格記錄所有 s 和 a，這張表會無比巨大。

這是 Q-learning 面對復(fù)雜場景時的局限。

但是，在機器學(xué)習(xí)中，剛好有一個算法，擅長解決各種復(fù)雜問題，那就是 神經(jīng)網(wǎng)絡(luò)（Neural Network）。

下圖是一張經(jīng)典的神經(jīng)網(wǎng)絡(luò)原理圖。最左邊一列稱為輸入層，最右邊一列為輸出層，中間統(tǒng)稱為隱藏層。神經(jīng)網(wǎng)絡(luò)的作用就是通過隱藏層來解釋輸入層與輸出層的關(guān)系。

可以將輸入層理解為高中數(shù)學(xué)函數(shù)里的 x，輸出層理解為 y，隱藏層就是一長串函數(shù)表達式。

不過，神經(jīng)網(wǎng)絡(luò)可比高中的數(shù)學(xué)函數(shù)復(fù)雜太多，無需深究它的細(xì)節(jié)，可以簡單地把它想象成一個模擬大腦。

例如，現(xiàn)在有大量的人臉照片，需要根據(jù)年齡段，判斷照片上的人是兒童、青少年、青年、中年還是老年。

在這個場景中，所看到的照片就是輸入層，判斷結(jié)果就是輸出層，大腦的判斷過程就是隱藏層。

總結(jié)一下，神經(jīng)網(wǎng)絡(luò)就是通過算法來模擬大腦，解釋數(shù)據(jù)之間（輸入層、輸出層）關(guān)系的算法。隱藏層越多，可以解釋越復(fù)雜的數(shù)據(jù)。

Q-learning和神經(jīng)網(wǎng)絡(luò)的融合

既然 Q-learning 算法難以儲存龐大的數(shù)據(jù)量，神經(jīng)網(wǎng)絡(luò)幫它解決這個問題

神經(jīng)網(wǎng)絡(luò)的隱藏層可以找到 s、a、Q 之間的關(guān)系。根據(jù)這個關(guān)系，只要向神經(jīng)網(wǎng)絡(luò)中輸入 s，經(jīng)過分析計算，就能輸出對應(yīng)的 a 和 Q 值。

這樣一來，Q-Learning 就不再需要用巨大的表格儲存數(shù)據(jù)，只需要知道狀態(tài)(s)，就能用神經(jīng)網(wǎng)絡(luò)自動生成其余數(shù)據(jù)。這大大節(jié)省了 Q-Learning 所需的資源。

再拿 AlphaGo 做個類比，神經(jīng)網(wǎng)絡(luò)的應(yīng)用讓 AlphaGo 無需記憶所有棋譜，而是在學(xué)習(xí)一些經(jīng)典棋譜后，能夠根據(jù)棋盤上的狀態(tài)，自動推演出每一步棋的結(jié)果。

Q-Learning 算法和神經(jīng)網(wǎng)絡(luò)的融合，大大提高了機器的學(xué)習(xí)效率，這個融合的產(chǎn)物就是 DQN 算法。

總結(jié)

DQN 算法是 Q-Learning 算法和神經(jīng)網(wǎng)絡(luò)算法的融合。Q-Learning 算法讓機器能根據(jù)狀態(tài)做出累計獎勵更多的行為，而神經(jīng)網(wǎng)絡(luò)則提高了數(shù)據(jù)儲存的效率。

利用DQN算法進行擇時

其實，量化交易和前面所講的下圍棋、玩游戲并沒有區(qū)別。可以將 DQN 模型放在投資環(huán)境中進行互動，訓(xùn)練出一個智能交易員。

其中：

1）機器所面對的狀態(tài)(s)就是每個交易日的市場信息；

2）機器能做的行為(s)就是買入、賣出或持有；

3）行為的Q 值就是每次交易所能帶來的累計收益。

因此，這個智能交易員的訓(xùn)練目標(biāo)就是：根據(jù)每個交易日的市場信息（狀態(tài)），決定買入、賣出或持有標(biāo)的（行為），使得在退場前獲得更多累計收益（Q 值）。

這其實就是量化交易中的擇時。將每個交易日的市場信息傳入 DQN 模型中，不斷訓(xùn)練，就能成長為一個擇時專家。

DQN 算法擇時的局限性

DQN 算法只能從買入、賣出和持有這三個行為中進行預(yù)測，但無法預(yù)測具體買賣多少。

原因很簡單，DQN 算法屬于基于值的方法，只能處理離散場景。

買入、賣出、持有，這是三個離散的行為。但涉及到具體倉位比例時，我可以買入 10% 的倉位，也可以買入 11%、11.1% 的倉位，這種行為是連續(xù)的。

所以，在使用 DQN 算法構(gòu)建量化策略時，它只能給出交易的“方向”，具體交易多少則需要手動設(shè)置。

DQN量化策略代碼講解

構(gòu)建策略的步驟

ForTrader 已經(jīng)內(nèi)嵌了 DQN 算法。

因此本環(huán)節(jié)要學(xué)的不是如何構(gòu)建 DQN 算法，而是如何使用 DQN 算法來構(gòu)建量化交易策略。

用 DQN 算法構(gòu)建策略，可以簡化成以下三個步驟。

第一步，在 DQN 算法開始訓(xùn)練前，進行一些基礎(chǔ)設(shè)置。

第二步不需要做任何操作，F(xiàn)orTrader 內(nèi)嵌的 DQN 算法會自動采集、處理數(shù)據(jù)并開始訓(xùn)練。訓(xùn)練完成后直接輸出每個交易日的最優(yōu)行為。

第三步，在進行交易決策時，不僅要考慮模型的預(yù)測結(jié)果，還要考慮賬戶的實際持倉情況。比如，即便 DQN 模型預(yù)測要賣出，但如果賬戶持倉不足，也無法進行交易。所以要進行額外的條件判斷。

策略代碼講解

指標(biāo)模塊

在指標(biāo)模塊，目的是為模型訓(xùn)練設(shè)置一些基礎(chǔ)參數(shù)。

參數(shù)有點多，根據(jù)作用可以分成三類：數(shù)據(jù)范圍相關(guān)參數(shù)、神經(jīng)網(wǎng)絡(luò)相關(guān)參數(shù)和交易相關(guān)參數(shù)。

數(shù)據(jù)范圍相關(guān)參數(shù)

通過 start_date、eval_date 和 end_date設(shè)置數(shù)據(jù)范圍。

在 DQN 算法中，一次完整的訓(xùn)練，需要用到三個數(shù)據(jù)集：訓(xùn)練集、驗證集和測試集。 這三個參數(shù)只和訓(xùn)練集與驗證集有關(guān)：

其中，start_date 和 eval_date 之間是訓(xùn)練集；

eval_date 和 end_date 之間是驗證集；

而測試集的范圍就是在【條件設(shè)置】中設(shè)置的回測區(qū)間，無需用參數(shù)來設(shè)置。

在學(xué)習(xí) SVM 算法時，接觸了訓(xùn)練集和測試集的概念。在訓(xùn)練集中訓(xùn)練后的模型，可以直接放到測試集去檢驗效果（進行回測）。

但是，由于強化學(xué)習(xí)模型更加復(fù)雜，需要在訓(xùn)練集和測試集之間加一個中間步驟——驗證集。

作用是，由于強化學(xué)習(xí)的過程非常復(fù)雜，在訓(xùn)練模型時會產(chǎn)生很多個版本，算法需要從多個版本中選出效果最好的一版。

這個選優(yōu)的過程，就需要在驗證集中完成。選出最優(yōu)版本的模型后，再將它放到測試集中檢驗效果，即進行回測。

做個類比，可以將訓(xùn)練集理解為期末復(fù)習(xí)，測試集是期末考試。而驗證集就是模擬考試，你可以在模擬考試中找到調(diào)整考試狀態(tài)，找到最佳答題節(jié)奏。

為了讓回測結(jié)果更可靠，回測區(qū)間（即測試集）不可以與訓(xùn)練集（start_date 至 eval_date）有重合。因為模型本身就是根據(jù)訓(xùn)練集數(shù)據(jù)訓(xùn)練出來的，倘若用訓(xùn)練集的數(shù)據(jù)回測，很容易得出好結(jié)果，無法準(zhǔn)確反映模型的真實表現(xiàn)。

再提醒你一次，訓(xùn)練集、驗證集的區(qū)間用參數(shù)設(shè)置，測試集則在【條件設(shè)置】中設(shè)置，不要混淆啦。

神經(jīng)網(wǎng)絡(luò)相關(guān)參數(shù)

注意，這類參數(shù)涉及專業(yè)的神經(jīng)網(wǎng)絡(luò)知識，無需深究它們的算法含義，只需從量化策略的角度理解它們的用法即可。

1）hid_dim，表示神經(jīng)網(wǎng)絡(luò)隱藏層的維度。隱藏層的作用是尋找輸入層與輸出層之間的關(guān)系，隱藏層的維度越高，神經(jīng)網(wǎng)絡(luò)能處理的問題就越復(fù)雜。

基于經(jīng)驗，在 DQN 算法中將隱藏層維度設(shè)為 512（2 的 9 次方）是比較主流的做法。

2）learning_rate_q，表示神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率。可以將強化學(xué)習(xí)的過程理解為機器一步一步向前更新的過程，學(xué)習(xí)率就表示向前的步長。

步長太大，盡管學(xué)得快，但會導(dǎo)致后期無法收斂于最優(yōu)解；步長太小，則會導(dǎo)致學(xué)得很慢，學(xué)到黃花菜都涼了。

在打高爾夫球的時候，揮桿越用力，球前進的步長就越大，雖然能讓球很快靠近洞口，但如果一直用力揮桿，球會一直在洞口附近反復(fù)橫跳，很難進洞。

相反，揮桿越輕，球前進的步長越小，球要雖然要花更長時間靠近洞口，但到達洞口附近后更容易進洞。

基于經(jīng)驗，可以在 DQN 算法中將學(xué)習(xí)率設(shè)為 0.0001。

3）break_epoch，表示將全部數(shù)據(jù)送到模型中進行訓(xùn)練的輪數(shù)。

在高考復(fù)習(xí)時，想要取得好成績，需要復(fù)習(xí)很多輪。第一輪先過一遍知識點，第二輪攻克重難點，第三輪刷重點題型、…。

訓(xùn)練模型也是同樣的道理，break_epoch = 7 就是指將全部數(shù)據(jù)送入模型中訓(xùn)練 7 輪，并且每輪訓(xùn)練都有不同的側(cè)重點。

4）repeat_times，表示每輪訓(xùn)練的重復(fù)次數(shù)。它和 break_epoch 比較類似，作用都是通過增加訓(xùn)練量讓機器學(xué)得更好。

還是以高考復(fù)習(xí)作類比，幫你理解它們的區(qū)別。雖然已經(jīng)將高考復(fù)習(xí)劃分成很多輪，但在每一輪復(fù)習(xí)中，每個知識點還是要反復(fù)背誦很多遍。

repeat_times 就等價于每輪復(fù)習(xí)中，反復(fù)背誦知識點的次數(shù)。

在 DQN 算法中，repeat_times 的取值范圍建議在 20 到 35 之間。

交易相關(guān)參數(shù)

buy_on_percent 和 sell_on_percent 指的是買賣比例。

前面提到過，DQN 算法無法預(yù)測買賣的倉位比例，需要手動設(shè)置。

buy_on_percent = 1 表示每次買入時，都使用全部資金；若buy_on_percent = 0.5，則每次只用 50% 的資金買入。

賣出同理。sell_on_percent = 1 表示每次賣出時，都賣出全部持倉；若 sell_on_percent = 0.5，則每次賣出 50% 的持倉。

至此已經(jīng)講完了所有的參數(shù)。

還需要將這些參數(shù)傳入給 DQN 算法。

DQN 算法的具體代碼都被封裝成了一個類，可以用 DQN()來調(diào)用它，然后將前面設(shè)置的參數(shù)一一對應(yīng)地傳入即可。

這些參數(shù)的取值可以影響訓(xùn)練效果。

參數(shù)有點多，用一張圖總結(jié)了它們的含義，以及調(diào)參思路：

擇時模塊

在講解擇時代碼前，先回顧一下第三步：交易判斷要做哪些事。

1）獲取 DQN 算法的預(yù)測結(jié)果，以及當(dāng)前的持倉規(guī)模；

2）根據(jù)二者的關(guān)系進行判斷，下達交易指令。

獲取模型的預(yù)測結(jié)果

通過 dqn.dqn_prediction[0] 就可以獲取模型預(yù)測出的最優(yōu)交易行為，以及訂單數(shù)量，命名為 size。

如果 size > 0，代表買入一定倉位，size < 0代表賣出一定倉位，size = 0 表示不需要交易。

要注意的是，由于 DQN 模型無法預(yù)測連續(xù)的行為。因此這里的訂單數(shù)量并不是模型預(yù)測的結(jié)果，而是根據(jù)指標(biāo)模塊所設(shè)置的參數(shù) buy_on_percent 和 sell_on_percent 確定的。

為了滿足 A 股市場的交易要求，因此需要將 size 轉(zhuǎn)換成 100 的整數(shù)倍。可以通過 int(size / 100) * 100 的方式實現(xiàn)這一點。

獲取當(dāng)前交易日的持倉規(guī)模，命名為 position。

至此，已經(jīng)獲取了所需數(shù)據(jù)。

接下來就要結(jié)合數(shù)據(jù)進行判斷，并下達交易指令了。

下達交易指令

先通過一張圖梳理一下判斷邏輯：

如果算法預(yù)測買入，即 size > 0，則下達買入指令，買入數(shù)量為 size。

這一步對應(yīng)擇時邏輯圖的最左邊一列：

如果當(dāng)前有持倉，且算法預(yù)測賣出。即 position > 0 且 size < 0 時，需要做進一步判斷。

如果當(dāng)前持倉規(guī)模大于預(yù)測賣出的數(shù)量，即 position > abs(size) 時，就按照預(yù)測的賣出數(shù)量賣出，即訂單數(shù)量為 size。

注意，這一由于 size < 0，所以要用 abs() 函數(shù)取它的絕對值，再進行比較。

這一步的判斷邏輯如下圖所示：

如果當(dāng)前持倉規(guī)模小于或等于預(yù)測賣出的數(shù)量，只好有多少賣多少，即執(zhí)行平倉。

由于其他情況的結(jié)果都是不執(zhí)行交易，因此可以省略。

初次回測結(jié)果

策略總收益率為 1.54%，跑贏了買入并持有收益，勉強能接受。

代碼執(zhí)行

指標(biāo)模塊代碼：

擇時模塊代碼：

DQN量化策略參數(shù)調(diào)優(yōu)

調(diào)參邏輯

在指標(biāo)模塊中，參數(shù)可以分成三類：數(shù)據(jù)范圍相關(guān)參數(shù)、神經(jīng)網(wǎng)絡(luò)相關(guān)參數(shù)、交易相關(guān)參數(shù)。

在講解這些參數(shù)含義的時候，已經(jīng)講過了它們的調(diào)參邏輯。先來回顧一下吧：

其中，數(shù)據(jù)范圍相關(guān)參數(shù)的作用最容易理解，它們決定了訓(xùn)練和檢驗?zāi)Ｐ蜁r所用的數(shù)據(jù)樣本量。一般來說，樣本量越大，有助于得出更好的結(jié)果。

而神經(jīng)網(wǎng)絡(luò)相關(guān)參數(shù)相對難懂一些。不過，正所謂“前人栽樹，后人乘涼”，站在巨人的肩膀上學(xué)習(xí)才真香。

業(yè)界已經(jīng)對 DQN 算法進行過大量研究。因此，不用漫無目的地調(diào)試參數(shù)，可以基于經(jīng)驗進行取值。

至于交易相關(guān)參數(shù)，可以明確 buy_on_percent和sell_on_percent 的取值范圍都在 0 到 1 之間。建議以 0.1 作為步長，逐個嘗試。

下面，就可以嘗試在 ForTrader 中進行參數(shù)調(diào)優(yōu)了。

嘗試調(diào)參

通過擴大訓(xùn)練集的數(shù)據(jù)范圍，可以擴大學(xué)習(xí)的樣本數(shù)量，讓模型學(xué)得更好。就好像考前復(fù)習(xí)時，刷過的題型越多，在正式考試中就越有把握。

不過，在選擇訓(xùn)練集時，需要注意數(shù)據(jù)的有效性。由于市場環(huán)境的變化，過于久遠(yuǎn)的的交易數(shù)據(jù)可能對當(dāng)下的投資不具備參考價值。

例如，2007 年 A 股市場發(fā)生過一次政策變化，如果囊括 2007 年以前的股票數(shù)據(jù)，放入模型中訓(xùn)練，就如同讓學(xué)生按照已經(jīng)過時的考綱準(zhǔn)備考試，造成無效學(xué)習(xí)。

因此，不妨試試把訓(xùn)練集的起始時間提前到 2008-01-01。

將訓(xùn)練集擴大后，總收益率達到了 7.03%，收益相較原本的 1.54% 提升了很多。

思維導(dǎo)圖

提示：

本公司發(fā)布內(nèi)容均為市場公開信息，不構(gòu)成投資建議，投資者據(jù)此操作，風(fēng)險自擔(dān)。市場有風(fēng)險，投資需謹(jǐn)慎！