[导读]:本文从量化策略信号面临的普遍问题对量化进行思考，是否可以通过机器学习对大量因子进行建模，从而更准确预测期货的涨跌。
◆ 思考：传统量化策略通常以单个信号作为交易信号，但通常面临不适用的行情表现很差。对遗传算法产生的因子进行多信号机器学习建模，是否可以帮助我们在一定程度上提升策略的表现？
◆ 系列第三篇，主要讨论对遗传算法挖掘的因子进行机器学习建模从而验证是否有效。
◆ 结论：通过对遗传算法挖掘出的2000个因子进行筛选后，对其中86个因子进行机器学习建模的效果是显著的。
对于我自己来说，一些CTA的策略其实并不容易理解指标的内在逻辑，但是由于这些策略在某些行情是有效的，或者长时间都是有效的，于是这些策略就有了逻辑。有的时候有了好的结果，人才会反推出他的含义，很多事物都是这样，我不知道这是否合理，但是这符合人的天性。或许这是我作为一个非传统CTA出身的人的思考方式，个人认为并非需要所有的东西都有明显的金融逻辑，才可以作为一个策略，于我个人而言，只要这个因子是可以有收益的，那我并不一定非要深究他的逻辑是什么。 ... 网页链接