Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 262
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Es ist notwendig, die Kanäle zu bestimmen, jeder wird die Zeichen selbst bilden, ich schlage vor, eine zweite "Scheiben" für unsere Futures: Flippers pro Sekunde Geld, Angebot, Tick-Durchschnitt pro Sekunde, Delta in den Stapel, das Volumen der Käufe und Verkäufe, separat und Veränderung des offenen Interesses, für Forex Währungspaare Flippers Geld, Angebot, Tick-Durchschnitt, für ausländische Indizes Preis und Veränderung pro Tag Beispiel in der Anlage.
Zunächst sollte man sich mit einer oder zwei Zeilen, einigen Merkmalen und einem Ziel in einer kleinen Serie (1000-10000 Stichproben) befassen und dann mit 100500 Merkmalen und Zielen beginnen.
Zum Beispiel nehmen wir Euro und Yen zu Bx auf eine Minute mit MT, dann fügen Sie 2 -3 TRIXes (RSI, Stochastic, ..., etc.) als Funktionen und ZZ als Ziel und im Detail zu verstehen, wie es (nicht) funktionieren und warum und wie erforderlich werden wir Serie, Funktionen und Ziele hinzufügen, genießen das Wachstum der Leistung Modell, bis es zu einigen Grenze kommt. Es ist immer einfacher zu skalieren, wenn es einen transparenten Prototyp gibt, aber man kann nicht mit einer Reihe von Zeilen auf einmal umgehen, es gibt viele Freiheitsgrade, in der Regel endet es mit gedankenlosem Konfigurieren von Haufen von Parametern ohne klares Verständnis des Prozesses Essenz.
Zunächst sollten Sie sich mit einer oder zwei Reihen, ein paar Merkmalen und einem Tag in einer kleinen Reihe (1000-10000 Stichproben) befassen und dann 100500 Merkmale und Tags erstellen.
Da wir damit begonnen haben, Weisheiten auszutauschen, würde ich sagen, dass wir uns als Erstes die folgenden Fragen stellen sollten
1) Was den Markt antreibt
2) wie sie vorhergesagt werden kann
3) wie man die Nicht-Stationarität bekämpft.
Aber alle Indikatoren, die nicht funktionieren, in einen Topf zu werfen, und das MOE selbst wird es nicht verstehen, glaube ich, nicht einmal ..... (Außerdem habe ich sehr gut funktionierende "Funktionen", aber ich kann dem MO noch nicht beibringen, diese "Funktionen" zu verstehen)) Ich kann nicht einmal über Indikatoren ohne Vorhersageeigenschaften sprechen.
Während wir unsere Weisheit teilen, würde ich sagen, dass die erste Frage, die wir stellen sollten, lautet
1) was den Markt im Allgemeinen antreibt
2) wie sie vorhergesagt werden kann
3) Wie man die Nicht-Stationarität bekämpft
Aber alle Indikatoren, die nicht funktionieren, in einen Topf zu werfen, und das MOE selbst wird es nicht verstehen, glauben Sie mir nach meiner Erfahrung, nicht einmal ..... (Außerdem habe ich sehr gut funktionierende "Funktionen", aber ich kann dem MO noch nicht beibringen, diese "Funktionen" zu verstehen). ganz zu schweigen von Indikatoren, die keine Vorhersageeigenschaften haben
"Was den Markt antreibt" - das sind Modelle für den Themenbereich.
"Nicht-Stationarität" sind Zeitreihenmodelle.
Es handelt sich um zwei sich nicht überschneidende Ansätze.
Es handelt sich um zwei sich nicht überschneidende Ansätze.
Und ich kreuze sie nicht, aber um den Markt vorherzusagen, muss man diese Fragen beantworten, es sei denn, man ist ein Insider
Wenn Sie Zeitreihenmodelle verwenden - warum müssen Sie wissen, "was den Markt bewegt"?
Bei Zeitreihenmodellen sind alle Informationen, die Sie benötigen, im Preis enthalten
Wenn Sie Zeitreihenmodelle verwenden - warum sollten Sie wissen wollen, "was den Markt antreibt"?
Bei Zeitreihenmodellen sind alle Informationen, die Sie benötigen, im Preis enthalten
Beantworten Sie die Frage, warum ein MO, das auf einerMarktzeitreihe trainiert wurde, sich bei neuen Daten nicht adäquat verhält.
Auf der Suche nach einer Antwort auf diese Frage müssen wir uns mit der Frage beschäftigen, was den Markt antreibt" und das Problem der Nicht-Stationarität lösen, kurz gesagt, all das, was ich oben erwähnt habe, ist nichts Neues
Warum verhält sich ein MoD, das auf einer Marktzeitreihe trainiert wurde, bei neuen Daten nicht adäquat?
Auf der Suche nach einer Antwort auf diese Frage müssen wir untersuchen, "was den Markt antreibt", und uns mit dem Problem der Nicht-Stationarität befassen, kurz gesagt, all das, was ich oben erwähnt habe, nichts Neues.
Denn die Daten sind nicht stationär.
Welchen Sinn hat es, ein Modell auf einem Teil der Reihen zu trainieren, wenn die zeitlichen Merkmale der Reihen auf einem anderen Teil völlig anders sind?
Denn die Daten sind nicht stationär.
Welchen Sinn hat es, ein Modell auf einem Teil einer Reihe zu trainieren, wenn die zeitlichen Merkmale der Reihe auf einem anderen Teil völlig anders sind?
Nun, das stimmt, aber das ist nur die Hälfte des Problems, es ist ein reines Problem der Nicht-Stationarität.
Aber es gibt eine andere Frage - wenn der Markt Daten zu machen statsionarnymi es stellt sich heraus, dass sie sowieso nicht vorhersagen können, zumindest durch das Schlagen, hier ist die zweite Frage "was macht den Markt".
Das ist wahr, das ist wahr, aber das ist nur die Hälfte des Problems, es ist lediglich eine Frage der Nicht-Stationarität, die gelöst wird.
Aber es gibt eine andere Frage - wenn die Marktdaten zu machen statsionarnymi es stellt sich heraus, dass sie ohnehin nicht vorhersehbar sind zumindest auf einen Blick, das ist, wo die zweite Frage "was treibt den Markt" kommt in
Und wie wird das Problem der Nicht-Stationarität gelöst?
Ich persönlich habe es mit dtw gelöst, jetzt habe ich eine interessante Sache mit der Spektralanalyse gefunden, insbesondere "SSA", obwohl, wenn man weiß, wie man es macht, denke ich, dass Fourier oder "PCA" ausreichen.
Sie sehen, ich bin nicht versuchen, den Preis statsionarnaya machen, ich benutze nur diese Methoden, die "immun" von nicht-statsionarnosti sind