記得以前和合作人嘗試把「機器學習」導入原本的量化投資(小虧怡情)系統。
我一向喜歡被動長期的資產層面配置，對方卻喜歡研究timing和microstructure.
神奇的是我們也沒因此吵架，反而能取對方優點。

初期在找資料的時候，他透過做夢弄到國內金融機構的內部data，我則參考Quant sell side.
有了初步架構後，我們開始從algo寫到pseudocode，然後coding想要重現訓練結果。
這當中我當然是不斷翻(working) paper找靈感，用textbooks當骨架，然後同時思考金融和算法本身的「合理性。」

不過，我也發現「鐵鎚教徒」在機器學習領域的大量滲透，也就是企圖透過一招吃遍天下。
一堆人就是喜歡不斷餵blackbox吃garbage，那GIGO不是剛好而已嗎?
就像大家常說的，"If you torture the data long enough, it will confess to anything."
整體來看，overfit是個致命的低級錯誤，但就是有信徒掉進去還沾沾自喜。

當然就像金融知識一樣，我們都是從0爬起，所以特別注重各類定義和背後理念。(一開始連ML, RL和DL都搞不清楚，優化也不懂，我還一直操爆GPU。)
同樣都是研究，有些人是想從「學校畢業」，我們是不想從「市場畢業」啊XD

投資是自己的事情。
我們不是在台上表演，也不用road show，所以開心就好，這種娛樂費還花得起。

#機器學習
#歹徒投資