Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 381
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
Das Verteidigungsministerium ist immer ein fertiges, sinnvolles Modell. Manchmal ist sie so bedeutungsvoll, dass man gar nicht weiß, wie sie funktioniert. Hier ist ein Artikel über Gradient Boosting zum Beispielhttps://habrahabr.ru/company/ods/blog/327250/ Es gibt einen Artikel, es gibt Beschreibungen und Formeln, aber meinen Wunsch, es in mql zu übertragen, habe ich nicht realisieren können, es ist zu kompliziert.
Das ist ein bisschen was anderes, nicht vom Sinn her, sondern von der engen Spezialisierung her.
Arima, Garch - arbeiten direkt mit Preisen, ohne Indikatoren und TA. Zu diesem Zweck verfügen sie über einen eingebauten Algorithmus zur Umwandlung einer Preisreihe in einen stationären Vektor, und es gibt sogar Feinheiten wie die Korrektur von Vorhersagen in Abhängigkeit von früheren Fehlern (MA-Komponente). Gleichzeitig sind sie aber für andere (nicht preisbezogene) Daten unbrauchbar, so können diese Modelle z. B. keine Bilder klassifizieren.
Wenn wir dem neuronalen Netz eine Zeitreihe von Preisen zum Training übergeben, wird es nicht nach Autokorrelation, saisonalen und Trendkomponenten des Preises suchen - dazu ist das neuronale Netz nicht in der Lage. Es wird sich einfach daran erinnern, was ihm gegeben wurde, und bei neuen Daten im Test oder im realen Handel wird es sich an ähnliche Preisvektoren aus der Vergangenheit "erinnern" und so handeln, wie es vorher war, aber im Forex bedeutet das einen Nachteil.
Neuronka braucht Hilfe bei der Vorhersage des Preises - finden Sie zunächst die Indikatoren, die, wie Arima, Autokorrelation, Trend und Saisonalität erkennen können, und übertragen Sie die Werte dieser Indikatoren an die Neuronka. Dann hat es zumindest eine kleine Chance, mit Arima und Garch vergleichbar zu sein.
Ein weiterer wichtiger Punkt ist, dass arima Vorhersagen auf der Grundlage der Zeit macht. Es merkt sich eindeutig die Reihenfolge, in der die Preise eingetroffen sind, und verwendet für seine Prognosen ein gleitendes Fenster, indem es die letzten paar Preise nimmt und darauf basierend Prognosen erstellt. Im Gegensatz zu Neuronics, das mit der gesamten Ausbildungstabelle auf einmal arbeitet und keine Ahnung hat, in welcher Reihenfolge die Preise angekommen sind.
+100
Ich dachte, wir haben es hier mit einigen nützlichen Dingen zu tun, aber nicht mit einigen verständlichen Wahrheiten). Lassen Sie ihn eine zeitliche Vorhersage machen, zeigen Sie mir einige funktionierende Beispiele, da so viele Leute daran arbeiten! los geht's :) Es ist ein einfaches Modell, wie der Müll, den sie im 2. Studienjahr lehren. Leider habe ich Geisteswissenschaften studiert... und dort gibt es nichts dergleichen
Lassen Sie uns Ihr Wissen nicht auf den Rest der Welt verallgemeinern.
Nach den Veröffentlichungen zu urteilen, ist es der Mainstream des Handels. Und Garch wird von hochrangigen Gelehrten verwendet, die es in ihrer Kindheit gelernt haben und es ihr ganzes Leben lang getan haben.
Lassen Sie uns Ihr Wissen nicht auf den Rest der Welt verallgemeinern.
Nach den Veröffentlichungen zu urteilen, ist es der Mainstream des Handels. Und Müll wird von anspruchsvollen Gelehrten verwendet, die in ihrer Kindheit gelernt haben, Müll zu schreiben, und dies ihr ganzes Leben lang getan haben.
Mein Wissen ist sehr klein in diesem Bereich, Einstiegsniveau, ich konzentriere mich nur durch indirekte Zeichen immer, viele Händler kenne ich auch (weit von dumm).
Und mit einer großen Komplikation des Modells ist die Entwicklung in einem natürlich nicht möglich, d.h. es geht nicht mehr um den privaten Handel
Und mit einer großen Komplikation der Modellentwicklung in einem ist natürlich nicht zu rechnen, d.h. wir sprechen nicht mehr von privatem Handel.
Das ist ein sehr guter Punkt. Manchmal gibt es ein paar Projekte, aber nachdem ich es herausgefunden habe - hier wären 5-6 Programmierer und ein Jahr Arbeit + Finanzierung nötig. Und es gibt kein Projekt)).
Eine Privatperson braucht etwas Einfacheres, das noch weniger wirksam ist. Ich denke jetzt darüber nach, klassische Strategien (ich meine, über die Logik) und MO in einer Flasche zu kombinieren. Classic löst bereits viele Probleme allein, und wenn es ergänzt wird und einem IO eine zusätzliche Funktion zugewiesen wird, dann können beide Aspekte letztendlich einfacher werden. Bei technischen Anwendungen von MO wird dies tatsächlich so gehandhabt.
Aber wie man das zusammenführt und die Aufgaben verteilt, weiß ich noch nicht so genau.
Das ist ein sehr guter Punkt. Manchmal gibt es einige Projekte, aber nach der Schätzung - hier sind 5-6 Programmierer und ein Jahr Arbeit + Finanzierung. Und es gibt kein Projekt.)))
Der private Sektor braucht etwas Einfacheres, auch wenn es weniger effizient ist. Ich denke jetzt darüber nach, klassische Strategien (im Sinne der Logik) und MO in einer Flasche zu kombinieren. Die Klassik löst schon vieles von selbst, und wenn man sie ergänzt und MO zusätzliche Funktionalität zuweist, dann kann man am Ende beides vereinfachen. In technischen Anwendungen von MO wird das ja auch gemacht.
Aber wie man das kombiniert und die Aufgaben verteilt, weiß ich noch nicht.
Meine Idee ist folgende: Ich habe alle Artikel in diesem Forum gelesen :))) Ich habe etwas gesammelt, was ich für notwendig halte, alle Arten von Transformationen in mehr oder weniger stationäre Form, + meine Erfahrung und Fähigkeiten, jetzt schiebe ich alles in Klassifikatoren und NS und sehe, was passieren wird, + Auswahl der Parameter durch genetischen Algorithmus. Kurz gesagt, mein erster Eindruck ist, dass es sehr schwierig ist, Stabilität über einen langen Zeitraum zu erreichen und gleichzeitig die Rentabilität aufrechtzuerhalten, selbst wenn man den NS nicht trainiert, wird man ihn immer wieder neu trainieren müssen. Es ist möglich, kurzfristig Geld zu verdienen, aber es ist nicht klar, wie es langfristig aussehen wird....
Der Fokus liegt jetzt in Richtung adaptiver Indikatoren, deren Werte in den NS gestopft werden können... das würde den NS nicht neu trainieren, und die Indikatoren selbst würden je nach Volatilität neu aufgebaut werden... aber die Aufgabe ist nicht trivial, der gleiche Garch würde wahrscheinlich helfen, aber ich weiß es noch nicht.
Welcher maschinelle Lernalgorithmus sollte verwendet werden?
Welcher Algorithmus für maschinelles Lernen sollte verwendet werden?
Ja, für Classifikashon sind die Referenzvektor-Methode und Bayesian und Random Forest am besten... schnell und einfach und ohne Nachschulung. Sie können auch eine Faltung vornehmen.
Microsoft hat auch seinen eigenen Random Forest, ich habe vergessen, wie er heißt... Sie sagen, es ist cool. Dschungel der Lösungen oder so ähnlich.
Aktienprognose:
https://gallery.cortanaintelligence.com/browse?s=stock
Arima:
https://gallery.cortanaintelligence.com/CustomModule/Train-Score-Timeseries-1
https://gallery.cortanaintelligence.com/Experiment/Time-Series-Forecasting-8
Dipling:
https://gallery.cortanaintelligence.com/Experiment/Neural-Network-Convolution-and-pooling-deep-net-2
Ja, für classifikashon die Referenzvektor-Methode und Bayesian und Random Forest sind die besten ... schnell und einfach und ohne Nachschulung. Sie können auch eine Faltung vornehmen.
Microsoft hat auch seinen eigenen Random Forest, ich habe vergessen, wie er heißt... Sie sagen, es ist cool. Dschungel der Lösungen oder so ähnlich.
https://gallery.cortanaintelligence.com/browse?s=stock
Arima:
https://gallery.cortanaintelligence.com/CustomModule/Train-Score-Timeseries-1
https://gallery.cortanaintelligence.com/Experiment/Time-Series-Forecasting-8
Das ist alles cool, wissenschaftlich, für normale Menschen unverständlich, hat aber nichts mit den Märkten zu tun, wo Psychologie und Puppenspiel regieren.
Meine Herren, hören Sie auf, sich etwas vorzumachen und hochintellektuelle Spielzeuge zu erfinden. Wenn Sie mit Wissenschaftlern spielen, sollten Sie zumindest erkennen, dass es sich dabei nur um ein Spiel handelt, wie Schießen oder Rennen, und nicht darum, den Markt zu verstehen, der jenseits von Mathematik und strengen Formeln liegt.
Wozu brauchen Sie das alles? Mir wurde schon oft gesagt, dass Vorhersagen nicht notwendig sind, man kann 50/50 ohne sie machen, die Hauptsache ist Geldmanagement und Nerven aus Stahl. Niemand weiß, wohin der Preis im nächsten Moment gehen wird, außer Insider, und sie wissen es nicht zu 100%, sie gehen auch Risiken ein, aber sie haben Eier aus Stahl und tiefe Geldbörsen, sie wissen, wie man Risiken eingeht, und sie wissen nicht einmal über neuronale Netze und den Zufallswald Bescheid, oder sie schaffen selbst solche falschen Strategien, um das "Fleisch" abzulenken.
Das ist alles cool, wissenschaftlich, für normale Menschen unverständlich, hat aber nichts mit den Märkten zu tun, wo Psychologie und Puppenspiel regieren.
Es gibt eine Kategorie von Händlern, die "Clicker" genannt werden, d.h. das Hauptmarktfleisch für Maklerfirmen. Sie scheinen mit Ihren primitiven Kategorien wie Geldmanagement und Nerven aus Stahl zu dieser Kategorie zu gehören.
Ein großartiges Beispiel ist Timofey Martynov, der immer noch versucht, seine Psychologie und sein handwerkliches Geschick aus eigener Kraft in den Griff zu bekommen :) Die Algotrader haben keine Probleme damit und die Risiken sind minimal, denn sie haben diesen ganzen Unsinn mit Psychologie und allen möglichen Puppen und anderem Unsinn längst hinter sich.