AI无相神功 #63 偶然性之骰，蒙特卡洛

如何研究一个事务的规律？
答案，我不研究了，直接枚举。
这适用于容易枚举的场景，例如机器学习的超参数遍历。
同时这种枚举符合笛卡尔积，你可以先枚举完A1到A5，再枚举B1到B2。最后一定可以保证所有数据不重不漏。
适用于规律不好寻找的场景，枚举不完的场景。对于这种场景，如何寻找规律？答案：蒙特卡洛，暴力模拟。
例如一个问题，假设有两个策略的年化收益率均为60%，因为年化收益率都是60%，那么长期来看，这两个策略都是均值向上的。
这两个策略的相关系数会趋近于0么？还是因为天然两个策略都向上，所以相关系数>0呢？
这个问题想是想不明白的。天然两个策略都向上，所以相关系数>0感觉是比较符合直觉的。但是到底是多少，不好说。
你枚举不完毕所有的年化收益率60%的曲线。这时候就可以用蒙特卡洛暴力模拟。生成百万条这样的收益率曲线，然后计算彼此的相关系数，最后所有相关系数求平均值。
答案可能是让人震惊的，这些曲线相关系数的平均值为0。
所以即便都是高收益率策略，也可以做到低相关。即便长期来看大家都上涨，也可以做到，相关系数为0。
这就是蒙特卡洛暴力模拟用来解决问题的一个方法。事务的规律不好寻找，但是生成方式简单，我就尽可能的多生成，去寻找其平均规律。

原帖图片 1