作者主张在交易系统的执行层使用状态机而非机器学习。他们认为,像状态机这样的确定性执行层,与机器学习模型的概率性相比,提供了更高的可靠性和可预测性。这种偏好源于多年探索模型驱动交易策略的经验。 AI
影响 建议在高风险应用(如交易)中偏爱确定性系统,可能影响AI的集成方式。
排序理由 观点文章,讨论一种技术方法(状态机)在特定应用(交易执行层)上优于另一种技术方法(机器学习)的优点。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
作者主张在交易系统的执行层使用状态机而非机器学习。他们认为,像状态机这样的确定性执行层,与机器学习模型的概率性相比,提供了更高的可靠性和可预测性。这种偏好源于多年探索模型驱动交易策略的经验。 AI
影响 建议在高风险应用(如交易)中偏爱确定性系统,可能影响AI的集成方式。
排序理由 观点文章,讨论一种技术方法(状态机)在特定应用(交易执行层)上优于另一种技术方法(机器学习)的优点。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
<div class="medium-feed-item"><p class="medium-feed-image"><a href="https://medium.com/@gigshow/state-machines-vs-machine-learning-in-trading-why-i-prefer-deterministic-execution-layers-ef406bef5e21?source=rss------mcp-5"><img src="https://cdn-images-1.medium.com/max/2600/1*YLauO…