我负责的屎山部分 我们框架是LSTM + (DP / Lightgbm) + 模型融合 + 风险规避 我负责LSTM + DP + 风险规避 DP？
- 这个方法很高级的，我想到的时候都觉得自己可牛逼了。
- 怎么DP：如果知道全局情况会DP吧===>全局DP的神。但我们现在不知道明天的情况，但我们知道第一天到今天的情况，就是有一个===>局部DP的神
- 我们的思路就是通过局部DP的神来指导我们明天的操作，相当于：抄，至今为止最nb的大佬的，作业
LSTM怎么融合进去？
- 我们明天的LSTM相当于使用第一天到今天的数据训练的，虽然分布趋势是拟合的，但是在局部看是有很强的后效性的（曲线呈向后延迟平移的模样），但还是有一定的指导意义
- 我们融合进Lightgbm进去，当然还要包括各种各样的经济指标信息。（论文里有权重分析可以看到哪些指标最重要）。然后Lightgbm做分类任务，分类目标是，局部DP的神的决策
- 没错，这里就不只是抄作业了，我们要学习，学习大佬是怎么操作的
有没有觉得这两个方案非常的合理！！！而且非常的贴近生活的场景。
量化系统都是很多模型共同打分的，所以我们将两个模型融合。（没啥好说的，确实是调参了，感觉是一大污点。不过由于对量化相关的知识缺乏也不知道要不要调参）
毕竟是钱啊，你的准确率再高也有失误的时候，所以我们还要加上风险规避。
但由于美赛时间粗糙，调参优化什么的没有充足的时间做，在代码里加入了少量的调整，勿喷（毕竟模型框架太大了，这么短的时间根部做不完，但是在一些实验数据上还是有一定的效果的。而且主要是不知道这个最多能赚多少倍，受到了网上的一些影响，就一直在增强效果。一开始我最上面的简单DP跑完就能赚很多了。）
不过水完论文觉得我创建的这个理论非常有道理，以为自己能拿很高的奖的，不知道经济学上有没有我这种离谱的做法（DP-base 。。。。。。）。最后只拿了H奖。
框架这么大，主要的问题就是论文讲不清楚，相关的建模没建好（哈哈，DP一上，全靠当年OI的方法论了）