机器学算法识别缠论图形结构探索

前言：

受到一个老哥@系统和我 的启发，缠论可以作为股票形态的分类工具，尝试着将其描述为计算机能识别的特征，在用机器学算法进行分类。记录下探索路径。

1.思路

如图所示，图中的股票，我们可以描述为 A a b c d e 6条线段。
（这里我推演了一下，通过这几个因子，可以逆推出唯一结构）
我们把每个线段进行求斜率k和截距为b的表达式。

那么横轴为天数的基础上，我们可以一一可以把每一种图形映射成为一组参数。
如图示例：


那么我们用周策略，收益 （label）= 5天后的收盘- 当前收盘 （策略暂定为收盘买入）

算法用的xgboost， 一种经典的树模型算法。

训练数据600万条记录，从06年数据开始。 少于1个线段和5个笔的数据舍弃。
随机取20%作为测试集
测试集效果


为了防止未来数据的引入，我准备了一批股票数据，从头到尾模型没有接触过这个股票，测试的结果如下


收益平均周1个点。

模型不错，开启GPU 加速训练9k个epoch后，



收益提升了0.5,。

后续可以增加些信息和训练强度或者用别的算法。

感兴趣的朋友可以交流。