如果做btc市场的话，还需要进一步做微调么？

[willwill85]

1、我看有提到已经做了大量数字货币的数据的预训练，所以是不是还需要进一步微调？
2、我随机跑了大概600个数据片段测试，我发现有的效果非常好，有的不太好，请问有什么比较好的过滤方法么？
以下是我的一些测试

[shiyu-coder]

你好，
关于你的问题：

1. 虽然预训练数据集已经包含了crypto市场的部分数据，但是股票仍然占据了预训练数据中的主要成分，因此对于所有其他非股票的资产类别和中美股市以外的其他市场，我们认为微调应该会带来更好的效果，建议根据实际效果选择。
2. 一个基本的工作流应该是（仅作为参考）：
   2.1 模型的输出是对未来K线走势的多条采样轨迹，应该采用某种聚合函数得到预测信号，例如：先对所有采样的K线序列求平均，然后计算平均的价格序列的均值，与当前close价格得到比率，作为对未来价格走势的一个鲁棒预测值（你也可以参考finetune scripts中的其他方式，例如max/min等，探索更有效的聚合函数）
   2.2 在得到预测信号后，按照标准的量化策略流程进行后续的处理。例如，可以对信号进行滚动标准化，然后通过固定阈值进行过滤，当信号大于/小于固定阈值时，认为是做多/做空的交易时机。
   2.3 一些其他需要考虑的点：何时平仓；多频度信息的融合；如何进行风格约束；如何进行风控。

总的来说，Kronos模型仅仅提供了量化策略中的“预测”环节，你仍然需要完善后续的其他环节才能得到能够应用于实际生产环境中的交易策略。

[willwill85]

感谢大佬

[willwill85]

我在想，如果集合多个尺度的预测 比如5分钟k，15分钟k和1小时k，多条预测一起结合判断会不会更好，还是说对于不同时间尺度的在编码后本质上没区别？

[shiyu-coder]

理论上会的，融合了不同粒度的信息应该能增强预测表现；粗粒度的K线也可以回看更久，实现长短期信息的融合。