懂得開市中自動優化｜Daytrade專用指標｜改良版LSMA｜Least Squares Moving Average｜麥振威 創富坊
懂得開市中自動優化｜Daytrade專用指標｜改良版LSMA｜Least Squares Moving Average｜麥振威
懂得開市中自動優化｜Daytrade專用指標｜改良版LSMA｜Least Squares Moving Average｜麥振威
LSMA這個指標運用了線性回歸的概念，不少喜歡daytrade的炒家都愛用這個指標，而且網上也有大量改良版，不過大部份都只是把LSMA 原本「單因子」的計算方法，改為「多重因子」的計法。 原本的LSMA，線性回歸的計算部份只用了「時間」與「股價變化」，而多重因子則可能加上成交量，開市裂口幅度、ATR、RSI變化等等，但加上更多的因子反而會令預測結果更差，因為有些因子對股價的影響實際上是重複了，這令某個類型的因子權重會過大。
而且市場很可能有時候受波幅影響較大，有時候又可能受成交量影響較大，不同的時間，最主要會影響股價的因素有可能是不同的。
我們用Elastic Net Regression來改良這個指標，簡單來說，模型會懂得告訴你「這段時間這個因子沒用!」，Elastic Regression不是將計算變得更複雜，而是自動懂得在開市中判斷何時將計算簡化。
Tag
- 港股
- 美股
- 程式交易
- interactive broker
- 技術分析
- 形態分析
- daytrade
- 技術指標
- 富途牛牛
- 富途
- ai
- algo
- 即市交易
- algo trade
- 美期
- 階梯
- autotrade
- 股票
- 股票教學
- 美股分析
- 港股分析
- trading view
- pine script
- 日內交易
- day trade
- day trader
- 麥振威
- 自動交易
- pine script 教學
- trading view教學
- lstm
- python
- keras
- pine script轉python
- backtrader
- 回測
- pandas ta
- zipline
- cnn
- ai分析股市
- arrival price
- 落盤技巧
- 落單技巧
- book trading
- 定單冊
- 短炒
- 算法落單
- 演算法
- 冰山order
- 富途寫指標
- ict
- inner circle trader
- smc
- 機構訂單流
- 結構突破
- 裂口
- 即市形態
- chat pattern
- order blocks
- order flow
- smt
- 聰明錢
- 富途代碼
- 富途寫程式
- lsma
- least squares moving average
