Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1588
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
¿Se ha intentado aplicar métodos estadísticos a los gráficos, al análisis de velas y a otras cosas de nivel superior?
No utilizo las devoluciones.
Aunque se utilicen como datos primarios (representación gráfica), se requieren predictores adicionales, comprimiendo la información para crear proporciones y vectores.
En mi opinión, hay fluctuaciones periódicas de la temperatura del planeta por causas naturales. En los últimos cien años se ha iniciado un calentamiento natural al que se han superpuesto factores antropogénicos.
Si lo desmontamos en pocas palabras:
1. El efecto invernadero es sólo uno de los muchos factores que influyen en la temperatura media de la Tierra.
2. Para tener en cuenta la influencia antropogénica, es importante el porcentaje de CO2 antropogénico en la atmósfera. Actualmente está en el uno por ciento, es decir, bastante pequeño. Mucho más se debe a los incendios forestales y a la quema de pastos. Además, el secuestro de CO2, la deforestación, lo reduce.
3. el equilibrio del CO2 que entra en la atmósfera y su secuestro es casi como un equilibrio de oferta y demanda en el mercado de divisas, muchos canales diferentes con diferentes tiempos de inversión disposición. No es precisamente fácil de simular. Pero hay observaciones experimentales.
A finales del siglo XX, surgieron máquinas como los espectrómetros de masas acelerados por AMS, principalmente para las necesidades de los arqueólogos. Su principal característica es que las muestras para la determinación de las relaciones isotópicas pueden ser muy pequeñas: miligramos. Rápidamente se adaptaron para otros fines tecnológicos, médicos y, en particular, de investigación climática. Estas máquinas miden la relación C12/C14 con mucha precisión. En la génesis natural, está determinada por el fondo cósmico y la proporción es bastante estable. Pero cuando comenzó la era de las pruebas nucleares, la concentración de C14 aumentó drásticamente, se dispersó por todo el mundo y fue absorbido por los árboles. Se conocen los lugares y las fechas de las pruebas, los anillos anuales de los árboles son fáciles de contar, se puede determinar exactamente cómo cambiaba la concentración de C14 donde crecía el árbol. Al realizar estas mediciones en todo el mundo, se pudo comprobar la rapidez con la que el CO2 migra en la atmósfera: resultó que, entre medio año y un año, la concentración se estabilizó en todo el mundo. Y, lo que es más importante, la concentración tardó menos de diez años en descender hasta el nivel de fondo, es decir, todo el CO2 atmosférico se actualiza constantemente. Esto significa que la concentración actual es un balance de emisiones/absorciones en el que el papel del CO2 antropogénico procedente de la quema de carbón, petróleo y gas no es tan significativo como se declara en los medios de comunicación.
Es decir, en mi opinión:
a) La cantidad de CO2 producida por el hombre no aumenta significativamente su concentración natural, como se propaga.
b) El CO2 no es la única causa del efecto invernadero.
c) El efecto invernadero no es ni mucho menos la única causa del cambio de temperatura en la Tierra.
Que yo sepa, el vapor de agua afecta al efecto invernadero notablemente más que el CO2 y, en cualquier caso, la influencia humana en el clima es exagerada. Pero no me refería a eso cuando hablaba del fondo del artículo:
1) Un sistema formalmente determinista pero bastante complejo no puede estudiarse sin los métodos de un matstat.
2) Las respuestas dadas por un matstat siempre tienen cierta incertidumbre. Es imposible evitarlo por completo, porque es la naturaleza del tema de esta ciencia.
3) Siempre existe la tentación de utilizar esta incertidumbre para obtener la respuesta "correcta".
4) Para evitar que la respuesta se ajuste al resultado deseado, debe evaluarse siempre la significación estadística de las conclusiones.
En nuestro caso, sólo podemos trabajar de forma significativa con la no estacionariedad, que de una forma u otra se reduce a la estacionariedad. Estacionariedad a trozos, modelos autorregresivos, etc.
La razón principal es que siempre se conoce una sola realización del proceso. Por ejemplo, si tomamos el reconocimiento de voz, allí cualquier palabra la podemos decir tantas veces como queramos. Las cotizaciones de un instrumento concreto en un intervalo de tiempo concreto están en una única variante. Por cierto, es probablemente la razón por la que mucha gente aquí no distingue el proceso aleatorio de sus realizaciones.
Muy cierto, por eso MO nunca funcionará con esos datos, hay que reprocesarlos en una serie que se repita y es bastante realista.
¿Por qué no se discute prácticamente? porque es la pregunta número 1.¿Por qué apenas se habla de esto? ... Porque esa es la pregunta número uno.
¿Se ha intentado aplicar métodos estadísticos a los gráficos, al análisis de velas y a otras cosas de nivel superior?
claro, por ejemplohttps://journals.plos.org/plosone/article?id=10.1371/journal.pone.0212320
Pero ya sabes cuál será el resultado si los usas de verdad...
Antes me dedicaba a la modelización matemática (MM) y también programaba problemas de optimización mediante el método de programación lineal simplex.
Y cuando el aprendizaje automático (ML) empezó a extenderse, aquí pensé que era lo mismo que el MM. Pero no es lo mismo.
Para el mercado de divisas, lo primero que tenemos que hacer es crear un modelo de estrategia comercial (TS) que tenga en cuenta muchos factores.
El propio robot no es capaz de crear el modelo TS desde el principio. Es porque algún programa no podrá crear por sí mismo la idea de limitación, es decir, aquel factor que influye en el modelo o TS.
El robot sólo podrá encontrar los límites de esa restricción.
Si ha creado un mal modelo con malas restricciones, ninguna optimización le dará el resultado necesario.
Hay que saber qué factores afectan a la ST, y aquí no se puede prescindir del factor humano.
Permítanme darles un ejemplo de uno de estos factores que utilizo en mi robot de trading. Déjame darte un pequeño "secreto" :)
Este factor es bien conocido por mucha gente: la velocidad de cambio de los precios. Sin embargo, en mis cálculos no sólo determino la velocidad, sino también la aceleración y desaceleración de la velocidad por inercia.
La velocidad se determina en intervalos de 1 segundo. No sólo se tiene en cuenta la frecuencia de los ticks entrantes, sino también el número de puntos (longitud) entre los ticks.
Para qué o cuándo se utiliza este factor.
Se utiliza al abrir un pedido. Al introducir la limitación de la velocidad, evitamos la apertura de órdenes durante los fuertes saltos de los precios.
Y evita que se abra una orden hasta que la velocidad haya disminuido a un determinado valor, y aún cuando no haya pasado un determinado tiempo.
También lo utilizo para determinar el ángulo de la tendencia. Cuanto mayor sea la velocidad, mayor será el ángulo de tendencia.
Colegas a todos hola,
Siento una pregunta tan tonta, pero ¿funciona el evento OnBookEvent en el probador de MT5? Estoy intentando probarlo, pero no entra en el bucle por alguna razón y parece que se ignora. Pero en teoría las cotizaciones cambian en la revisión del mercado. HMM...
En nuestro caso, sólo podemos trabajar de forma significativa con la no estacionariedad, que de una forma u otra se reduce a la estacionariedad. Estacionariedad a trozos, modelos autorregresivos, etc.
La razón principal es que siempre se conoce una sola realización del proceso. Por ejemplo, si tomamos el reconocimiento de voz, allí cualquier palabra la podemos decir tantas veces como queramos. Las citas para un instrumento específico en un intervalo de tiempo específico están en una sola realización. Por cierto, es probablemente la razón por la que mucha gente aquí no distingue un proceso aleatorio de sus realizaciones.
Es divertido ver cómo la gente se burla de la buena (no) estacionariedad estadística, implicando cualquier cosa menos la persistencia relativa en el tiempo de la distribución. Probablemente algún "gurú" de la econometría del pasado, hizo tal lanzamiento una vez, probablemente sobre otra cosa y en algún estrecho contexto teórico y el tema de la no estacionariedad como principal obstáculo para crear el "grial" se hizo viral. Obviamente, el precio acumulativo estadísticamente no estacionario en su forma pura no interesa a mucha gente, e incluso si los rendimientos fueran estacionarios (sin cambio de distribución), no daría mucho para negociar de todos modos (las opciones desaparecerían como instrumento solamente).
Probablemente valga la pena definir y/o especificar el término "no estacionariedad en Forex", para que las personas familiarizadas con la estadística clásica puedan entender de qué estamos hablando.
En los mercados por su naturaleza no hay estacionalidad estadística, sino de "juego" con "perturbaciones" (factores fundamentales), es decir, la "multitud" predice el precio entre las "perturbaciones", cada participante intenta predecir el resto de la multitud en promedio, y los "fundamentales" (política, economía, turnos de trapo...) entonces todo se rompe.
Todo el problema es cómo detectar el "cambio de mercado" lo más rápido posible y al mismo tiempo "entrenar" el sistema en los datos "del mercado actual", porque aprender de los mercados pasados sólo confundirá al sistema, los mercados antiguos ya no existen, no sólo es inútil y perjudicial, sino que entrenar en ventanas de datos muy pequeñas tampoco es genial, sólo tiene sentido para los usuarios blandos, y cómo la gente común que trabaja con 15M y mira - un misterio...
Es curioso ver cómo la gente se burla de la buena y vieja (in)estacionariedad estadística implicando cualquier cosa menos la relativa persistencia en el tiempo de la distribución.
......
Todo el problema es cómo detectar el "cambio de mercado" lo más rápido posible y al mismo tiempo "entrenar" el sistema con datos "del mercado actual", porque aprender de los mercados pasados sólo confundirá al sistema, los mercados antiguos ya no existen, no sólo no tiene sentido y es perjudicial, sino que entrenar en ventanas de datos muy pequeñas no mola, sólo tiene sentido para los usuarios blandos, y cómo debe trabajar la gente sencilla con 15M y reloj - un misterio...
No la "persistencia relativa de la distribución", sino la independencia de la MO, la varianza y la función de distribución respecto al tiempo.
¿Y cómo se "detectan los cambios del mercado"?
Bien, ha detectado un "cambio de mercado": necesita una muestra de longitud suficiente para entrenar al sistema con los nuevos datos. Y si antes o cuando la muestra sea lo suficientemente larga vuelve a producirse un "cambio de mercado", ¿qué hacer?
No la "persistencia relativa de la distribución", sino la independencia de la MO, la varianza y la función de distribución a lo largo del tiempo.
No, es la dependencia, y es una dependencia constante).
¿Y cómo se "detectan los cambios del mercado"?
Bien, ha detectado un "cambio de mercado": para entrenar el sistema con nuevos datos necesita una muestra de longitud suficiente. Y si antes o cuando la muestra sea lo suficientemente larga vuelve a producirse un "cambio de mercado", ¿qué se hace?
Puedes intentar detectar con MO
Bien, ha detectado un "cambio de mercado": necesita una muestra de longitud suficiente para entrenar al sistema con los nuevos datos. Y si antes o cuando la muestra alcanza una longitud suficiente, "el mercado cambia" de nuevo, ¿qué hacer?
Esta es la pregunta correcta, no hay que hacer nada, esperar a que haya una muestra ligeramente significativa estadísticamente, cualquier acción en esta situación será para la suerte, si no hay ningún insider.