股票交易进化策略的元学习

元学习算法了解学习过程本身,因此可以用较少的数据和迭代来加快后续的类似学习任务。 如果实现,这些好处将传统机器学习的灵活性扩展到时间或数据可用时间窗口较小的区域。 这样的领域之一就是股票交易,随着时间的流逝,数据的相关性下降,需要在更少的数据点上获得快速的结果,才能应对快速变化的市场趋势。 据我们所知,我们是第一个将元学习算法应用于股票交易进化策略的公司,它通过减少迭代次数来减少学习时间,并通过减少数据点来获得更高的交易利润。 我们发现,我们的股票交易元学习方法所获得的利润类似于纯进化算法。 但是,在测试过程中只需要进行50次迭代,而没有元学习通常需要进行数千次迭代,或者在测试过程中需要50%