近两年量化之风传遍金融界，但是，很难想象一个对企业，对金融没有任何长期研究的计算机，数学学位的毕业生，能够对路的做一个预测股市的模型，即使这模型也没什么用。国内都以为美国量化牛逼上天，我们要和国际接轨，但事实残酷的告诉你，2016年美国排名前20量化基金的平均收益仅为2%，远远低于同期标普十个点涨幅。巴菲特很不屑的说，量化交易就是看后视镜开车。我和做量化的同行无冤无仇，我只是认为计算机只能提高我们的效率，也就是在高频交易有所作为，其他都是南辕北辙，要知道，你想用一个函数关系一劳永逸获利，这本身就是假设股市有一个完全规律性，但恰恰股市的规律是变化的函数关系。你可能以为我是持有股市无法预测的随机游走派，但你又错了，我恰恰认为股市可以预测，但绝不是应该用统计模型来预测的，这是现在金融学发展的一个天大的误区。我2015年开始预测股市拐点，九成正确率，现在在财务自由的道路上高歌猛进。若干年后，我们回过头来看会发现，人类曾经走过的量化弯路实在可笑，就如几百年前人类所痴迷的炼金术，不老药。更多回复：
知乎网友知乎用户：
泻药， nova avon 说的很清楚了。我觉得50-60胜率很高了，但是是不是有用就要看具体情况了
知乎网友摩羯座：
看你这样的提问就知道你研究的还不够，想单纯的提高胜率是很简单的，降低平均盈亏比就行，但那没有意义。
去看看期望值是怎么计算的吧，对你有帮助。
知乎网友知乎用户：
泻药， nova avon 说的很清楚了。我觉得50-60胜率很高了，但是是不是有用就要看具体情况了
知乎网友王钊：
胜率用处不大啊
看盈亏咯
你百分之九十的时候赚百分之一 然后剩下的百分之十亏一半...
知乎网友王爷：
机器学习本身并非一个超越其他算法的解决方案，所以我觉得提高胜率和算法本身无关，换句话说，要提高胜率，换待分类的数据吧，对于盈亏比和胜率而言，数据我觉得占8成，算法2成，这两成还有一半是归于算法让人们偷懒可以省时间。逻辑对了，什么弱智的算法结果也不会差，比方说adboost，svm，apriori几个流行的算法用于选股分类，结果没有质的差别，很多领域甚至比回归还差。
股指期货学习 https://www.funiugupiao.com/gupiaozs/19872.shtml
https://www.funiugupiao.com
