给你讲个段子！真实的！
我去一家量化交易公司实习，一次meeting中，我和老总还有一个资深大佬谈机器学习在股票和期货里面的应用。
我：LSTM在时间序列上应用的效果比较好，我们可以尝试把LSTM应用在股票预测上。
此时，大佬在阴笑，老总默不作声...
我：你为啥笑
大佬: 不work啊！
我：为什么不work？！
这时老总也在旁边强掩笑容,大佬终于忍不住说了，有两个原因，第一个是你如何保证你的因子有效？
老总就补充到：对啊，你的模型很可能garbage in garbage out.
我说：那你们提供因子来训练模型啊
大佬阴笑....
然后大佬又继续说：第二个就是，你非常可能过拟合！
我说：那我们可以加regularization啊。
接着他们俩忽略我的话了，老总接着说：其实我们是想要一个模型能根据每天的数据进行反馈，自动更新。
我一想，这TM的不就是reinforcement learning嘛，我说：可以用reinforcement learning试试。
大佬又开始笑了，我很纳闷。
大佬说： 我就是知道他们有些人在用reinforcement learning，我才能赚钱！！！
最后实习结束之后，在大佬的带领下，我才明白了交易的三重境界
归纳
演绎
博弈
所谓的深度学习不过是基于历史数据进行拟合的 归纳法 罢了，如果把深度学习用来做股票预测，长期的是expected亏钱的，因为市场在变，规律在变，历史可能重演，但是又不尽相同。
深度学习肯定是可以用在股票市场的，比如针对某只股票的新闻情感分析等。但是不能用来预测市场走向！！！
想在市场上赚钱，就得 博弈， 你得知道其他人在干什么，因为市场是有所有的参与者共同决定的。
举个简单的博弈方法：
中国的期货市场之前很长一段时间，很多人，包括一些机构，都在用趋势策略，不同人和机构之间不外乎就是趋势的策略参数不同，让策略性能稍有不同，入市出市点不同，但是大体是类似的。所以这个时候，你应该知道市场上有一部分资金是在用这种趋势策略在跑的，那么在未来的某一个时间点，这些策略会相继的发出信号，然后人们去执行买入卖出的操作。
所以有趣的地方来了，既然你已经知道有一部分人在干嘛了，你是不是就可以设计策略来巧妙的利用其他的人的策略呢？你是不是可以设计一个类似的趋势策略，来告知你别人在这个时候可能会干嘛，而你来选择做更有意义的事情，而不是是不断去改进所谓的趋势策略呢？
所以，回到深度学习的问题上，如果深度学习用来归纳过去的数据，然后来预测股票走势，我觉得是不靠谱的。但是如果能想办法把深度学习用在博弈问题上，那么我觉得有可能靠谱。
-----------------------------------------------------------------------------------------------------------------------
更新：我在另一个回答里举了一个应用深度学习和博弈思想的例子，有兴趣的可以了解下。
MilKY：机器学习（非传统统计方法如回归）在量化金融方面有哪些应用？
我再在这里总结一下我自己对博弈在交易里的理解。我真心就是一个只实习了很短时间的新手，以前也没接触过金融或者量化这一块（只是个码农而已....），理解上肯定有很多偏差和不足。大佬们，如果你们觉得回答里面有什么不妥，本屌非常欢迎赐教啊！
核心思想：
无论你用不用深度学习，除了价值投资，你要赚钱，那么就得有人亏钱，所以说你的交易逻辑本身得是正确的才行，也就是说你设计好一个策略后， 你要知道你赚的钱是从哪来的 。很多人赚钱的时候稀里糊涂的，我们不妨称之为运气好。但是你如果明白你是运气好，并且不断探索原因的话，你很有可能未来还会赚钱。而事实是大多数人明明是运气好但是却觉得是自己聪明，从而未来大亏甚至倾家荡产。
如何应用深度学习呢，假设你已经明白了你得赚钱逻辑，但是这个逻辑里有些事情你一个人做不完，用计算机帮你做，用深度学习帮你做效率更好更快，那么深度学习不是就派上用场了。
我个人认为深度学习不过是个复杂的函数映射逼近算法，你的逻辑就是你的函数，逻辑都不正确，逼近得再好又如何？
----------------------------------------------------------------------------------------------------------------------- 4/19/2021 更新
个人自从2017年暑期在上海某私募基金实习之后，又在2017年圣诞节前后在湾区一家bitcoin fund实习了，然后自己私下做了一段时间交易，有一些新的理解分享给大家。
高频的东西不太懂，对于中低频的而言，个人感觉，市场的宏观分析，包括大国博弈，对世界进程有影响的大机构的发展，左右资源分配的局部战争，各个国家指定的政策，新兴事物的崛起等等，都会一定程度上影响到你关注的市场，这些才是决定市场走向的根本原因。
然后在你把握好大局之后，才是对具体标的的筛选，符合大趋势的标的，也有会做的好和做的不好区别，这个时候你可能要更进一步的阅读财报等更细节的信息。在筛选出标的之后，才是用技术分析对具体的某个标的的行情进行分析，选择对自己有利的入场点。
举个简单的例子，3/12/2020美股，币市等都因为COVID-19暴跌，虽然由疫情带来暴跌的黑天鹅事件很难预测，但是这暴跌之后，央行放水的行为却是可以某种程度上预测的。那么这个时候需要选择在疫情中可能会崛起更快的标的比如Zoom，Amaozn的股票，同时高风险一点的，可以选择一些对抗央行放水的标的，比如BTC。
个人的PhD方向是做深度学习在医学影像领域的应用，个人感觉目前深度学习的局限性还很大（连一个病灶分割的问题也没有办法彻底解决，而这对医生来说是很容易的事情）。虽然深度学习可以一定程度帮你分析问题，但是要依靠深度学习从市场中寻找规律预测涨跌，无异于大海捞针。现在对大佬的话理解更深刻了，garbage in garbage out是常态，即便gold in garbage out也是常态，毕竟给深度学习一张图，让它分割一下，都搞不定，你还指望它给你提取变幻万千的金融市场的特征？高频交易有可能，但我不了解，中低频，靠深度学习预测，你就是进来送钱的。
