Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 138

[СанСаныч Фоменко]

mytarmailS:
Danke, da wäre ich nicht drauf gekommen.

Es wäre sehr interessant, das Ergebnis zu sehen.

Ich habe das früher gemacht, ich habe sogar noch irgendwo den Code.

1. Der vorgegebene Code reicht nicht aus, um Entscheidungen zu treffen. Sie brauchen Schwellenwerte und gleitende Schwellenwerte.

2. Sie können sehr profitable Systeme mit einem Gewinnfaktor von bis zu 10 erhalten.

ABER.

Der Gewinnfaktor beträgt weniger als 5 Pips. Verbreitete Buchhaltung tötet alle Schönheit. Und neben dem Brotaufstrich gibt es auch Geschenke

[mytarmailS]

SanSanych Fomenko:

Es wäre sehr interessant, das Ergebnis zu sehen.

Das Thema Arbitrage ist hier nicht mehr aktuell, aber ich werde eine kurze Antwort geben, wenn Sie daran interessiert sind...

Ich hatte bereits eine funktionierende Arbitrage, ich wollte sie verbessern, indem ich die Signale so trickreich filterte - in einem gleitenden Fenster zählen wir die Kointegrationsstärke (Nähe zweier BPs) und nur wenn die BPs stark miteinander kointegriert sind, beginnen wir die Arbitrage...

das Ergebnis einer solchen Filterung ist nicht eindeutig, ich kann es nicht als gut oder schlecht einstufen

bei Verwendung der ersten Variante hat das System bei Tests durchschnittlich 7% Gewinn pro Monat bei einem Rückgewinnungsfaktor von 3 erzielt

gefiltert, erreichte das System im Durchschnitt 5,7 % pro Monat und 5,5 PV

Sie bringt also weniger ein, ist aber stabiler...

interessante Links mit Beispielen zu "R" auf Russisch:

über den Unterschied zwischen Korrelation und Kointegration

http://www.algorithmist.ru/2011/08/time-series-similarity-measures.html

http://www.algorithmist.ru/2011/09/time-series-test-for-cointegration.html

über Pairing und Arbitrage

http://rforfinance.ru/pairs-trade/

http://rforfinance.ru/rolling-window/

[Alexey Burnakov]

mytarmailS:

Das Thema Arbitrage ist hier nicht mehr aktuell, aber ich werde kurz antworten, wenn Sie interessiert sind...

Ich hatte bereits eine funktionierende Arbitrage, ich wollte sie verbessern, indem ich die Signale für die Eingabe auf so eine knifflige Art und Weise filterte - in einem gleitenden Fenster zählen wir die Kointegrationsstärke (Nähe zweier BPs) und nur wenn die BPs stark kointegriert sind, beginnen wir die Arbitrage...

das Ergebnis einer solchen Filterung ist nicht eindeutig, ich kann es nicht als gut oder schlecht einstufen

bei Verwendung der ersten Variante hat das System bei Tests durchschnittlich 7% Gewinn pro Monat bei einem Rückgewinnungsfaktor von 3 erzielt

gefiltert, erreichte das System im Durchschnitt 5,7 % pro Monat und 5,5 PV

Sie bringt also weniger ein, ist aber stabiler...

interessante Links mit Beispielen zu "R" auf Russisch:

über den Unterschied zwischen Korrelation und Kointegration

http://www.algorithmist.ru/2011/08/time-series-similarity-measures.html

http://www.algorithmist.ru/2011/09/time-series-test-for-cointegration.html

über Pairing und Arbitrage

http://rforfinance.ru/pairs-trade/

http://rforfinance.ru/rolling-window/

Ich danke Ihnen. Der erste Link brachte die Beschreibung zum Schmunzeln. Zwei Alconofts stehen an.

[mytarmailS]

Alexey Burnakov:
Ich danke Ihnen. Die Beschreibung unter dem ersten Link ist urkomisch. Zwei Alconofts kommen.

:)

[Vladimir Perervenko]

Alexey Burnakov:

Übrigens hat Herr Perervenko in seinem Artikel über neuronale Netze nichts über diese Art von Netz gesagt. Nun, ich habe in dem ganzen Artikel nur eine einzige Erwähnung gefunden. Und man könnte die Frage der Anwendbarkeit auf Zeitreihen (gedanklich) aufwerfen.

Alexej

Es wird einen separaten Artikel (oder zwei) über rekursive neuronale Netze (RNN, CNN und LSTM) geben. Beispiele mit mxnetR und vielleicht mxnet(Python).

Übrigens, es gibt ein mxnet-Paket im CRAN-Repository. True müssen einige Gymnastik zu tun, um von GitHub Optimierer (RMSProp, Adam, AdaGrad und AdaDelta) hinzufügen. Ich teste diese Funktionen jetzt.

Viel Glück!

[Alexey Burnakov]

Vladimir Perervenko:

OK, das wird interessant zu lesen sein.

CNN ist nicht per se ein rekurrentes Netz.

install.packages("drat", repos="https://cran.rstudio.com")
drat::: addRepo("dmlc")
install.packages("mxnet")

[СанСаныч Фоменко]

Bei der Lektüre dieses Artikels stellte sich mir eine Frage:

Warum sind wir alle, mich eingeschlossen, auf Prognosen angewiesen, die von einem einzigen Währungspaar abgeleitet sind? Es gibt viele Währungspaare, und Nicht-Währungspaare gibt es wie Sand am Meer...

[mytarmailS]

SanSanych Fomenko:

Beeinflusst durch den Artikel, den ich gelesen habe, ist eine Frage aufgetaucht:

Warum sind wir alle, mich eingeschlossen, auf Prognosen angewiesen, die von einem einzigen Währungspaar abgeleitet sind? Es gibt viele Währungspaare, und Nicht-Währungspaare gibt es wie Sand am Meer...

Wie kommen Sie auf "wir alle"? :)

[Dr. Trader]

Für mich geht es nur um das Risiko - ich versuche, zumindest ein kleines Risiko einzugehen. Sie können einen Expert Advisor erstellen, der über viele Jahre hinweg erfolgreich mit Dutzenden von Paaren gehandelt hat, aber wozu? Der Gewinn wird wahrscheinlich nur ein paar Prozent pro Jahr betragen, da können Sie genauso gut Geld auf einer risikofreien Anlage auf der Bank deponieren.
Wenn Sie nur ein Paar nehmen und dem Modell beibringen, ein Jahr lang gut damit zu handeln, können Sie einen Gewinn von 10 % pro Monat erwarten, was besser ist.
Wenn Sie dem Modell nur 2 Monate Daten beibringen, wird es wahrscheinlich eine Woche lang erfolgreich arbeiten, aber diese 10% in einem noch kürzeren Zeitraum bringen.

Je kleiner der Datensatz ist (in Bezug auf Zeit und Anzahl der Paare), den ein Modell erlernen muss, desto rentabler wird es bei neuen Daten sein. Aber sie wird schon viel früher veraltet und nicht mehr rentabel sein. Es ist also viel riskanter - eine Nachricht kann sogar das gesamte Modell zerstören, und Sie müssen von neuem nach neuen Prädiktoren und Modellparametern suchen.

[Alexey Burnakov]

Und wenn man nicht weiß, in welchem Bereich sich der Handel in der Zukunft bewegen wird, dann ist das für mich nur Kaffeesatzleserei. Sie müssen im Voraus wissen, wo Sie sich ungefähr aufhalten werden, und dieses Wissen sollte objektiv sein.