Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 181
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
Micha, schon wieder?))) urkomisch... Ich weiß nicht, wie es Ihnen geht, aber wir teilen, regieren und schreddern))))
Wunderschön. Sind diese Diagramme ernst gemeint oder Sarkasmus? Eine manuelle Aufschlüsselung des Hyperraums?
Wunderschön. Sind diese Diagramme ernst gemeint oder Sarkasmus? Manuelle Aufteilung des Hyperraums? Wie macht man das, wenn die Prädiktoren nicht 2, sondern 20 sind?
Wunderschön. Sind diese Diagramme ernst gemeint oder Sarkasmus? Manuelle Aufteilung des Hyperraums? Wie macht man das, wenn die Prädiktoren nicht 2, sondern 20 sind?
Das Wesen ist dasselbe, es ändert sich nichts grundlegend, wenn die Fiches quasi-orthogonal sind, wenn nicht, ist es wünschenswert, die Dimensionalität zu komprimieren, aber im Allgemeinen ist es egal, ob 1 oder 3 oder 30, es ist nur ein Prozess der "Maskierung" des Hyperraums, im Fall der Klassifizierung
Wenn die Dimensionalität um eine Größenordnung reduziert wird, ist das Training wesentlich einfacher, und das Kompressionsrauschen sollte imho reduziert werden.
das hängt von der jeweiligen Aufgabe ab....
Zum Beispiel, wenn Sie brauchen Genauigkeit der Eintrag, wie es bei mir war, war ich die Ausbildung der Algo für Bounces, dann mit einer Verringerung der Dimensionalität (ich habe "PCA") die Vision der Algo bekommt Art von verschwommenen und statt der Erfassung der Bounce es beginnt zu kaufen auf Hochs und verkaufen auf Tiefs
Wenn die Dimensionalität um eine Größenordnung verringert wird, ist das Training viel einfacher, und das Kompressionsrauschen sollte imho abnehmen.
Natürlich, aber es ist nicht so einfach, z.B. ist SVM linear, mit allem, was das bedeutet, aber eine andere Sache ist jedermanns Lieblings-Kernel-Version, aber warum? Es geht um den "Kernel-Trick", der nichts anderes tut, als in einen viel mehrdimensionalen Raum zu projizieren, denn e^(-||w-x||^k) ist unendlich, warum, glauben Sie, funktionieren die einfachsten Kernel-Klassifikatoren so gut? Der springende Punkt ist, dass die Dimensionen proportional größer werden als die Anzahl der Abschnitte, in die die Stichprobe unterteilt wurde, um jeden Kernel zu multiplizieren und je nach Kernel-Funktion mit der Kernelgröße für die Kernel-SVM und ihrer Lern- und Berechnungsgeschwindigkeit zu spielen. Multidimensionalität ist nicht immer etwas Schlechtes.
Speziell in unserem Fall geht es, wie einige Herren oben richtig sagten, um Daten, nicht um maschinelle Lernwerkzeuge. Dimensionskompressionstricks, automatische Fetch-Extraktoren ala Faltungsnetze helfen nicht, wenn die Eingabe nur mehrdimensionales Rauschen oder überhaupt eindimensional ist :)
https://en.wikipedia.org/wiki/Renaissance_Technologies
Das Unternehmen ist ein früher Pionier desquantitativen Handels, bei dem Forscher jahrzehntelange Daten in einem riesigenDatenlager im Petabyte-Bereich anzapfen, um statistische Wahrscheinlichkeiten für die Richtungder Preise auf einem bestimmten Markt zu ermitteln. Experten führen den anhaltenden Erfolg von Renaissance auf die Vielzahl von Daten zu Ereignissen am Rande von Finanz- und Wirtschaftsphänomenen zurück sowie auf die Fähigkeit des Unternehmens, enorme Datenmengen durch den Einsatz hocheffizienter und skalierbarer technologischer Architekturen für die Berechnung und Ausführung zu verarbeiten, um die Märkte zu schlagen. [19] In vielerlei Hinsicht hat Renaissance Technologies zusammen mit einigen anderen Unternehmen bereits seit fast zwei Jahrzehnten täglich Terabytes von Daten synthetisiert und Informationssignale aus Petabytes von Daten extrahiert, lange bevorBig Data undDatenanalyse in der Mainstream-Technologie bekannt wurden.[20]
Seit mehr als zwanzig Jahren setzt derHedgefonds Renaissance Technologies des Unternehmens, der auf den Märkten der ganzen Welt handelt, komplexe mathematische Modelle zur Analyse und Ausführung von Geschäften ein, von denen viele automatisiert sind. Das Unternehmen verwendet computergestützte Modelle zur Vorhersage von Preisänderungen bei leicht handelbaren Finanzinstrumenten. Diese Modelle beruhen auf der Analyse möglichst vieler Daten und der anschließenden Suche nach nicht zufälligen Bewegungen, um Vorhersagen zu treffen.The Quants beschreibt die Einstellung vonSpracherkennungsexperten, von denen viele von IBM kommen, darunter auch die derzeitigen Führungskräfte des Unternehmens.
Die Frage ist, wie ein einfacher Algotrader, der nicht mehr als 1-2k$ pro Monat für Daten ausgeben kann, zwischen solchen Monstern wie Goldman, Renaissance und Tesa überleben kann. Wie man die wichtigsten Daten findet, die Spitze des Eisbergs dessen, was die Super-Giganten verwenden.
Da Sie es wagen, selbst hergestellte Produkte mit der Arbeit großer Organisationen zu vergleichen, sollten Sie meiner Meinung nach nicht mehr nach irgendwelchen grafischen Mustern oder Indikatoren suchen, sondern sich auf das konzentrieren, was sie tun.
hier wird eine interessante Lösung erwähnt, https://www.mql5.com/ru/forum/96886/page2#comment_2866637
Wenn man jedoch nach Mustern sucht, wie große Marktteilnehmer ihre Aufträge bewegen, wie sie ausgeführt werden, wie sich der Preis nach einem großen Markt oder Eisberg verhält, usw, An der Moskauer Börse könnte es noch funktionieren, wenn sie den Rohdatenstrom und nicht den aggregierten Strom senden. An der benachbarten Börse wurde vor einem Jahr der aggregierte Strom aus dem Börsenkern wieder eingeführt. Bei Aktien könnte es Schwierigkeiten geben, weil es zu viele ECNs und Darkpools gibt.
Vielleicht sollte man es einfach halten?
Versuchen Sie, die Menge und auch sich selbst zu analysieren und die Aktionen der Menge vorherzusagen und dann umgekehrt zu handeln, denn all diese Monster wie Goldman, Renaissance und Teza brauchen bei einem Geschäft immer einen Gegenspieler (Trottel), dessen Liquidität er seine Position eröffnet und dann den Trottel zu seinem eigenen Stop-Loss führt, wodurch er einen Liquiditätssprung in die andere Richtung und etwa die gleiche Liquidität provoziert und seine Position schließt, während der Trottel verliert... Das ist der Markt, wie er ist.Wenn du die Menge findest, findest du auch die großen Jungs...
Ich habe sogar den Eindruck, dass es bei dem Wettbewerb dieser Monster Goldman, Renaissance und Tesa auf dem Markt nur darum geht, wer dem Trottel am schnellsten Geld zuschustert... Und Sie sollten nicht glauben, diese Geschichten über die Billionen von Dollar von Markt-Umsatz, die Banken haben Billionen, und die Menge hat immer endliche Geld und die Summe ist viel bescheidener, und sie (die Banken) warten jeden Tag mit Ungeduld für neue Bauern auf ihr Wunderland, simulieren Aktivität, in der Tasse und in den Markt im Allgemeinen