技术指标在智能交易系统作为潜在策略的适用性

机器学习自动化和控制非线性复杂系统的潜力已得到充分证实。这些相同的技术在投资领域，特别是股票投资组合管理方面，一直展现出应用潜力。本文通过分析潜在的简单交易策略来探讨此类利用的机会，这些策略随后可被机器学习系统切换使用。本文研究的是这些策略的适用性，而非其具体应用。为此，我们探讨了每个交易系统的潜在假设，并创建数据以评估这些系统在交易具有其预期潜在模式的数据时的有效性。将这些策略与买入并持有策略进行对比测试，以确定交易行为是否真正产生了有价值的结果，或者仅仅是底层价格的某种特征。随后，利用这些结果基于期望收益或期望风险产生目标回报，因为投资组合管理行业同时需要这两者。结果表明，在上述行业中存在极具可行性的利用机会，这些策略在其狭窄的假设范围内表现良好，而智能系统通过组合它们实现了无需假设的运作。