Kostenlose Vorlesungen der Universität Stanford - Seite 8
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
Heißen Sie zufällig Victor Mikhailovich?
Profil.
Ich habe früher TA studiert. An der MESI gibt es, glaube ich, drei Abteilungen, in denen Ökonometrie und mathematische Statistik gelehrt werden, die ich nicht studiert habe. Mir sind keine rentablen mathematischen Methoden bekannt. Ich kenne die mathematischen Methoden, mit denen man in geschickten Händen einen Gewinn erzielen kann, der oft genannt wird. Mit Inhaltsverzeichnissen, Listen der Bücher. Mattenpakete .... Nehmen Sie EViews oder R, wenn Sie nicht googeln oder mein Profil ansehen wollen. Aber es ist alles nur ein Werkzeug, wie eine Liste von Indikatoren.
Ich habe den Gral nicht. Ich habe meine persönlichen Fähigkeiten im Umgang mit TA und mathematischen Statistiken. Ich werde diese Fähigkeit niemandem beibringen.
Ich denke, ich habe ausführlich geantwortet.
Profil.
Ich habe früher TA studiert. An der MESI gibt es, glaube ich, drei Abteilungen, in denen Ökonometrie und mathematische Statistik gelehrt werden, die ich nicht studiert habe. Mir sind keine rentablen mathematischen Methoden bekannt. Ich kenne die mathematischen Methoden, mit denen man in geschickten Händen einen Gewinn erzielen kann, der oft genannt wird. Mit Inhaltsverzeichnissen, Listen der Bücher. Mattenpakete .... Nehmen Sie EViews oder R, wenn Sie nicht googeln oder mein Profil sehen wollen. Aber es ist alles nur ein Werkzeug, wie eine Liste von Indikatoren.
Ich habe den Gral nicht. Ich habe meine persönlichen Fähigkeiten im Umgang mit TA und mathematischen Statistiken. Ich werde diese Fähigkeit niemandem beibringen.
Ich denke, ich habe umfassend geantwortet.
Zuerst sagen Sie: "TA ist für Sündenböcke, damit sie das Depot mit einem Blick der Wichtigkeit leeren können". Und jetzt "habe ich meine eigenen persönlichen Fähigkeiten im Umgang mit TA und mathematischer Statistik. Ich werde es niemandem beibringen."
Also gut. Hängen Sie sich nicht an den Worten auf. Hier ist meine persönliche Meinung zu neuronalen Netzen. Ich habe 2006 begonnen, sie zu studieren und zu versuchen, sie auf den Markt anzuwenden. Und in 6 Jahren bin ich zu dem Schluss gekommen, dass die Netze selbst nicht so wichtig sind wie die Aufbereitung der Eingangsdaten. Außerdem sollten die Eingabedaten durch dieselbe TA transformiert werden, um ihre Dimension zu verringern und gegenüber Verzerrungen auf der Zeit- und Preisachse unveränderlich zu sein. Außerdem sollten wir vorher wissen, was wir von dem Netz wollen, welches Ein- und Ausgabesystem es implementieren soll. Wenn wir zum Beispiel wollen, dass das Netz bei Abprallern/Durchbrüchen von Unterstützungs-/Widerstandsniveaus handelt, sollten die Eingabedaten entsprechend dargestellt werden. Aber nachdem die notwendigen Eingabedaten gesammelt wurden, damit das Netz trainiert werden und für uns Entscheidungen treffen kann, brauchen wir das Netz gar nicht mehr, weil wir bereits wissen, wie wir ein- und aussteigen. Der Versuch, Netzinputs zu bepreisen, in der Hoffnung, dass das Netz sie umwandelt und herausfindet, wie sie zu nutzen sind, führt zu katastrophalen Ergebnissen.
Dann stellt sich die Frage: Sind Netze wirklich notwendig und erstrebenswert? Jeder hat seine eigene Antwort. Ich denke zum Beispiel nicht, dass ich meine Zeit damit verschwendet habe, etwas über Netzwerke zu lernen. Sie sind für meine Arbeit nützlich. Außerdem ist unser Gehirn das gleiche neuronale Netz. Seine Nützlichkeit für den Handel zu leugnen ist also genauso, wie die Nützlichkeit des Gehirns zu leugnen. Das Problem dabei ist, dass wir immer noch nicht verstehen, wie unser Gehirn die gleiche Preisreihe nimmt, sich auf die wichtigen Punkte konzentriert, von den Details abstrahiert und eine Entscheidung trifft. Ein einfaches neuronales Netz aus dem Lehrbuch kann dieses Verhalten nicht simulieren. Selbst wenn wir in der Lage wären, dieses Verhalten zu simulieren, wäre die Lern- und Arbeitsgeschwindigkeit eines solchen "biologischen" Netzwerks viel langsamer als die unseres Gehirns und für den Handel nicht anwendbar.
Zuerst sagen Sie: "TA ist für Sündenböcke, um das Depot mit einem wichtigen Blick zu leeren". Und jetzt "habe ich meine eigenen Fähigkeiten im Umgang mit TA und mathematischer Statistik. Das ist eine Fähigkeit, die ich niemandem sonst beibringen werde.
.....Mathematische Methoden, die einen Gewinn bringen können, sind mir nicht bekannt. Math.Methoden, die in geschickten Händen Gewinn bringen können, sind mir bekannt, vielfach aufgerufen......
Das Problem dabei ist, dass wir immer noch nicht verstehen, wie unser Gehirn die gleiche Preisspanne nimmt, sich auf die wichtigen Punkte konzentriert, von den Details abstrahiert und eine Entscheidung trifft .
so...
Hypothesenbildung
Data Mining und Datensammlung
Datenaufbereitung (Filterung, Transformationen)
Modellauswahl, Auswahl der Modellparameter und Trainingsalgorithmus
Modelltraining (automatische Suche nach verbleibenden Modellparametern)
Analyse der Trainingsqualität
Analyse der identifizierten Muster
all dies nennt man Data Mining...
Ein Netzwerk in dieser Maschine (wenn es verwendet wird)... über richtig vorbereitete Daten stimme ich vollkommen zu... wenn die Daten normal sind, dann ist eine einfache lineare Regression ausreichend... das ist es, was Sie anstreben sollten...
Zuerst sagen Sie "TA ist für Sündenböcke, die das Depot mit einem wichtigen Blick leeren". Und jetzt "habe ich meine eigenen persönlichen Fähigkeiten im Umgang mit TA und mathematischer Statistik. Das ist eine Fähigkeit, die ich niemandem beibringen werde."
Also gut. Hängen Sie sich nicht an den Worten auf. Hier ist meine persönliche Meinung zu neuronalen Netzen. Ich habe 2006 begonnen, sie zu studieren und zu versuchen, sie auf den Markt anzuwenden. Und in 6 Jahren bin ich zu dem Schluss gekommen, dass die Netze selbst nicht so wichtig sind wie die Aufbereitung der Eingangsdaten. Außerdem sollten die Eingabedaten durch dieselbe TA transformiert werden, um ihre Dimension zu verringern und gegenüber Verzerrungen auf der Zeit- und Preisachse unveränderlich zu sein. Außerdem sollten wir vorher wissen, was wir von dem Netz wollen, welches Ein- und Ausgabesystem es implementieren soll. Wenn wir zum Beispiel wollen, dass das Netz bei Abprallern/Durchbrüchen von Unterstützungs-/Widerstandsniveaus handelt, sollten die Eingabedaten entsprechend dargestellt werden. Aber nachdem die notwendigen Eingabedaten gesammelt wurden, damit das Netz trainiert werden und für uns Entscheidungen treffen kann, brauchen wir das Netz gar nicht mehr, weil wir bereits wissen, wie wir ein- und aussteigen. Der Versuch, Netzinputs zu bepreisen, in der Hoffnung, dass das Netz sie umwandelt und herausfindet, wie sie zu nutzen sind, führt zu katastrophalen Ergebnissen.
Dann stellt sich die Frage: Sind Netze wirklich notwendig und erstrebenswert? Jeder hat seine eigene Antwort. Ich denke zum Beispiel nicht, dass ich meine Zeit damit verschwendet habe, etwas über Netzwerke zu lernen. Sie sind für meine Arbeit nützlich. Außerdem ist unser Gehirn das gleiche neuronale Netz. Seine Nützlichkeit für den Handel zu leugnen ist also so, als würde man die Nützlichkeit des Gehirns leugnen. Das Problem dabei ist, dass wir immer noch nicht verstehen, wie unser Gehirn die gleiche Preisreihe nimmt, sich auf die wichtigen Punkte konzentriert, von den Details abstrahiert und eine Entscheidung trifft. Ein einfaches neuronales Netz aus dem Lehrbuch kann dieses Verhalten nicht simulieren. Selbst wenn wir in der Lage wären, ein solches Verhalten zu simulieren, wäre die Lern- und Arbeitsgeschwindigkeit eines solchen "biologischen" Netzwerks viel langsamer als die unseres Gehirns und für den Handel nicht anwendbar.
Es gibt nur Buchwissen über Netzwerke.
In der Ökonometrie wird TS als eines der Klassifikationsinstrumente verwendet. Die Klassifizierung reicht jedoch nicht aus, um ein normales ökonometrisches Modell zu erstellen, denn NS ist zwar ein Teil des Modells, aber nicht der wichtigste. Die Modellierung beginnt mit dem Erlernen und Beherrschen von Schätzungsmethoden. Ohne Schätzungsmethoden kann man keinen Quotienten analysieren, man kann kein Modell bewerten, das wir auf den Ergebnissen der Analyse aufgebaut haben, man kann die Ergebnisse der Modellanwendung nicht bewerten. Mit all diesen Punkten hat NS nichts zu tun.
Ihr Beitrag bestätigt meine Verwirrung. Sie haben es geschafft, eine sehr unkomplizierte Idee namens NS herauszufinden, die schließlich auch im Handel angewendet werden kann. Aber aus irgendeinem Grund haben Sie nicht eine einzige Minute damit verbracht, ein viel einfacheres Konzept namens Regression zu studieren. Und das Verständnis von Regressionen und das Wissen, wie man sie einsetzt, hätte Ihre Einstellung zu Indikatoren im Besonderen und zu TA im Allgemeinen dramatisch verändert. Und es gäbe eine weitere Person im Forum, die behaupten würde, "TA ist für Sündenböcke auf dem Feld der Wunder".
etwa so...
Hypothesenbildung
Datenbeschaffung und -sammlung
Datenaufbereitung (Filterung, Transformationen)
Modellauswahl, Auswahl der Modellparameter und Trainingsalgorithmus
Modelltraining (automatische Suche nach den restlichen Modellparametern)
Analyse der Trainingsqualität
Analyse der identifizierten Muster
all dies nennt man Data Mining...
Ein Netzwerk in dieser Maschine (wenn es verwendet wird)... über richtig vorbereitete Daten stimme ich vollkommen zu... wenn die Daten normal sind, dann ist eine einfache lineare Regression ausreichend... das ist es, was Sie anstreben sollten...
Ich stimme zu, dass wir die Schritte zur Erstellung des Modells kennen. Wir wissen noch nicht, wie wir ein neuronales Netz erstellen können, das diese Schritte verkörpert. Vielleicht werden wir in ferner Zukunft lernen, wie man solche neuronalen Netze erstellt. Ein neuronales Netz (das Gehirn des Entwicklers) übernimmt die wichtige Vorarbeit der Datenverarbeitung, der Identifizierung von Mustern, der Auswahl eines Modells und der Optimierung dieses Modells, während ein anderes Netz (im Programm) nur die Berechnungen auf der Grundlage der Daten und der Struktur durchführt, die ihm vom Entwickler vorgegeben werden. Das Hinzufügen von selbstoptimierenden Gewichten zu diesem zweiten Netz macht es nicht intelligenter, sondern verringert nur den Modellierungsfehler.
Ich stimme zu, dass uns die Schritte zum Bau eines Modells bekannt sind. Es ist noch nicht bekannt, wie ein neuronales Netz erstellt werden kann, das diese Schritte verkörpert. Vielleicht werden wir in ferner Zukunft lernen, solche neuronalen Netze zu schaffen. Ein neuronales Netz (das Gehirn des Entwicklers) übernimmt die wichtige Vorarbeit der Datenverarbeitung, der Identifizierung von Mustern, der Auswahl eines Modells und der Optimierung dieses Modells, während ein anderes Netz (im Programm) nur Berechnungen auf der Grundlage der Daten und der Struktur durchführt, die ihm vom Entwickler vorgegeben werden. Das Hinzufügen von selbstoptimierenden Gewichten zu diesem zweiten Netz macht es nicht intelligenter, sondern verringert nur den Modellierungsfehler.
es ist möglich, eine solche Konstruktion zu erstellen...in vorgefertigten Statistikpaketen oder mehreren...alles mit Skripten und Makros zu begleiten (d.h. vollständig zu automatisieren)
eine der Optionen -
Hypothesenbildung - verwenden Sie ein beliebiges Charting-Tool und trainieren Sie net oder ha oder etc. auf max return
- erhalten Sie entweder BP, die max return oder Booleans (als Signale) geben wird... in Zukunft können Sie Zielfunktion
auf max return und etc. verwenden, wenn net oder etc. selbst geschrieben und normal ist...
Suchen und Sammeln von Daten - alles, was wir haben, wird automatisch heruntergeladen...
Datenaufbereitung (Filterung, Transformationen) - Klassifizierung, Clustering, Faktorenanalyse, Aufhellung der Eingaben
kann auch teilweise durch das Raster erfolgen... Sie können mit vorgefertigten Algorithmen arbeiten...
(Dies ist der wichtigste Abschnitt, und durch geschickte Umformungen können die Ergebnisse sehr wohl verbessert werden)
Modellauswahl, Wahl der Modellparameter und des Lernalgorithmus - mehrere Modelle werden mit 1 Lernfehler getestet und das beste Modell für die verfügbaren Daten ausgewählt (es gibt solche vorgefertigten Module in Statistikpaketen)...
Analyse der identifizierten Muster - hier kann man sie einfach in das Netz einspeisen und die Gewichte in %-Verhältnis oder so betrachten...
Eine solche Konstruktion käme einem Anzug der Intelligenz wahrscheinlich am nächsten - da das Ziel vom Modell selbst ausgewählt wird und alles von den Rohdaten bis zum endgültigen Schnitt automatisch erfolgt...
Im Allgemeinen ist all dies natürlich sehr zeitaufwendig und ineffizient... und das Interessante ist, dass es sich in der Praxis nicht sehr von der Optimierung normaler (und) TA-Indikatoren für maximale Rendite oder ökonometrische Probleme unterscheidet (es sei denn, ein normaler Prädiktor blitzt in den Daten auf))), da alle Eigenschaften des BP ohnehin in das Modell eindringen und registriert werden... mit allen sich daraus ergebenden Konsequenzen...
Während Sanych also mit dem Äquivalenzlineal arbeitet und sagt, dass Ökonometrie das Beste ist... Die Raffinierteren werden versuchen, mit TA zu schneiden... mit Re-Train bei einem bestimmten Schritt (als eine der Optionen), das Erfassen von BP-Dynamik, die für einige Zeit anhält und Nicht-Stationarität ignoriert...))