本文主要是介绍交易中的预测和跟随，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
任何的交易决策，一定是基于某种推理关系的，这种推理关系是基于t时刻之前的状态，得到t时刻之后的结果，我们基于这种推理关系，根据当前的状态，形成了未来结果的某种预期，然后基于这种预期采取相应的决策，这个是没有问题的。关键在于这个推理关系的结构和特征是怎么样的，不同的推理关系，对应着我们所谓的预测和跟随。
决策模型（类比RNN类神经网络模型）
量化模型：
输入：可以很多，相对高质量
模型结构：隐层可以很长，也可以较短，性能和结果的均衡，其中隐层长度可以简单认为决策的逻辑链条长度
优化目标：收益误差，可以认为综合了胜率和盈亏比
普通散户：
输入：很有限，基本而有限的量价数据和各种消息，其中消息包含着各种偏差，质量低下
模型结构：隐层，也就是决策链条短，模型结构简单
优化目标：胜率权重很大
主观交易高手：
输入：很有限的量价数据，以及各种消息，相比于普通散户差别不大
模型结构：相比于量化和普通散户，模型架构不一样，可以通过少量的稀疏的数据，训练得到很好的结果，决策链条往往较长
优化目标：盈亏比权重大
任何模型，输入更新，输出就可以更新，只是大部分时候，输出的预测，其确定性是不高的，我们称这种确定性不高的预测为弱关系，把确定性较高的预测为强关系。
从优化目标看，量化模型输出的是具体价格预测，散户输出的更多是涨跌预测，高手输出的更多是盈亏比预测。
量化模型价格预测综合了胜率和盈亏比，由于其可以规模化、自动化、非情绪化，因此其可以进行大规模的多次的交易，样本越大，就可以越向统计结果收敛，那么只要其具备统计优势，就是一个可以稳定盈利的模型，即使是弱预测、弱关系。
主观交易者，不具备量化模型的规模化分析和交易能力，因此注定无法通过弱预测实现稳定盈利，因为弱关系是量化模型的优势，主观交易的弱关系，现在已经很难有正期望，无论是从模式还是执行层面，即使其模式本身可能具备正期望，也不考虑执行上的弱势，只要无法稳定，只要账户波动大，那么其情绪化特点会对其模型造成极大干扰，因为情绪和模型共处一个大脑，并不独立，这种干扰无法避免，即使通过自我训练，也只能尽量降低，无法杜绝。而且这种干扰往往是负面干扰，因为人性弱点是共性，这种共性形成了趋同，趋同是很好的alpha来源，一旦人性暴露，就会称为alpha收割机们的鱼肉。
因此，主观交易者，应该选择的盈利路径，一定是高确定性的方式，也就是强关系、强预测。强关系，意味着其信号次数一定是不多的，因为次数多的强关系，就会增加被发现的概率，时间一长，一定会被充分发掘，从而会变成弱关系。因此，主观高手，其出手次数一定是不多的，如果你频繁交易了，随意交易了，你就该反思了，你在进行毫无优势的，注定要亏损的弱关系交易。
强关系的特点，除了次数少，其输入稀疏但是很重要，也就是在训练的时候，对一些关键输入赋予了较大的权重，而且模型结构（决策链条）更加的准确，输入的相对位置更加准确，对应着现实中更加准确的逻辑决策链条，因此，强关系的决策过程，往往是需要经过一系列前置条件的，类似一颗决策树，不断分叉，可能每个节点单独拎出来，直接指向最终目标的预测都是弱预测，但是其贯穿起来，达到最终的叶子目标节点，其就是一个强关系，我们可以把这种强关系在现实中映射为一种方案，即当某个节点出现了某个状态，那么我就要看下一个节点的状态，然后根据其状态，再看下一个节点，直到可以做出最终的决策，这个实际上就是一种计划、一种方案，而不是直接通过第一个节点或者前几个节点就做出决策了，这样关系就会不够强。那么自然的，这种强关系由于前置条件比较多，自然有效的信号次数是比较少的，这是完全合理的。
强关系的训练优化目标更多是盈亏比，因为胜率目标本身是很难作为强关系存在的，价格的涨跌，其决定因素太多了，随机性也比较强，其不具备强关系的属性，也就是很难具备较高的确定性，而且这种需要分析多因素的关系，优势在量化，而量化的特点就是消灭一切能够消灭的强关系，因此，胜率很难作为强关系的优化目标。
高盈亏比的特点是什么，就是单次风险小，高盈亏比实际上就是一种风控为先的交易哲学。这对于主观交易者来讲尤其重要，只有控制住了风险，才能保持情绪稳定，才能更好的执行交易计划，主观交易者如果情绪不稳定，那再好的计划失去了实现的基础；只有控制住了风险，才能比较长久的在市场中存活下去，才有足够的时间去训练优化自己，如果没有足够的时间，那再好的潜质，也就没有了爆发出来的基础。因此，主观交易者，要视盈亏比为交易系统的核心，把高盈亏比作为最高的交易哲学和原则之一，这样才更有可能走出来。
综上，我们知道，主观交易，要想稳定盈利，只能依靠强关系，而且是量化很难消灭的强关系，那么就基本只剩下盈亏比为优化目标的强关系。什么是量化难以消灭的强关系，就是不能只依赖量价数据，样本稀疏，决策链条相对复杂的强关系，可以通过少量稀疏样本，准确的学习到相对复杂的决策模型，这种模型结构，我想也只有人类的大脑才能做到了，只要训练到位，交易世界里，我相信主观高手一定是最强的，毕竟人脑才是最强大的神经网络模型。
最后回到文章标题，通俗语境中的预测和跟随是什么意思，为什么很多高手说，不做预测，只跟随？我想现在可以给出答案了，预测就是弱关系，主观交易不能依据弱关系形成交易决策，跟随是强关系，是弱关系的逻辑连贯，形成的一种高盈亏比的交易计划或者方案。当然，严格来讲，强弱关系，本质都包含了预测，只是弱关系中，预测差不多就是终点了，重点在于选择最大概率那个预测指导交易，而强关系中，预测的是一种概率分布，更重要的是概率分布下每种情况的后续节点的交易计划，而且每种交易计划，都要具备高盈亏比，因为这是训练优化的目标，主观上我们当然可以对概率较高的节点计划准备充分一些。所以不做预测只做跟随，想表达的意思，就是我们不能依据弱关系弱预测去进行交易，因为主观上这很难稳定盈利，而是应该着重在高盈亏比的交易计划上，跟随指的就是通过弱关系更新我们的后验概率分布，然后选择相应节点下对应的高盈亏比的交易计划，我们日常训练优化我们的模式的时候，重点就是强化这种交易计划，从而可以快速准确的对弱关系做出具备高盈亏比确定性的应对。
这篇关于交易中的预测和跟随的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
