March 21, 2026
#hmm
隐马尔可夫模型在交易中的应用:如何根据市场状态调整策略
如何利用隐马尔可夫模型识别当前市场状态(牛市、熊市、横盘),并自动切换交易策略。附 Python 代码和回测结果。
#hmm#市场状态#机器学习
阅读文章 →
深入探讨人工智能交易、市场分析和 DeFi 的未来。
Nothing found. Try a different query.
如何利用隐马尔可夫模型识别当前市场状态(牛市、熊市、横盘),并自动切换交易策略。附 Python 代码和回测结果。
理解自己在价格层级中的排队位置,如何将高频交易从猜测变为精确的工程问题
如何使用大语言模型从投资者电话会议、财报和新闻中提取交易信号。Chain-of-thought提示、结构化提取、信号回测。
加密货币市场统计套利完全指南。协整分析、卡尔曼滤波、基差策略、跨交易所套利。包含回测与Python代码。
每个算法都会留下独特的指纹。学会解读它——你就能知道交易对手方是谁。
为什么年度原始PnL不适合比较不同交易时间的策略。如何计算有效收益率,为什么需要fill_efficiency,以及为什么27% PnL的策略可能优于300%的策略。
自适应数据粒度如何加速回测并节省存储空间:仅在价格显著波动或成交量异常的位置从1分钟下钻到1秒、100毫秒和原始交易,而非对整个历史序列进行处理。