Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1595
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
.....
podemos esperar el regreso de nuevo
Es posible esperar una devolución, pero en un TS real no tiene sentido.
Formula la TS y verás que para "esperar" tendrás que reservar una parte de capital tal que la rentabilidad de la estrategia en el tramo estacionario será miserable
adf_test en R
No es eso, Dickey-Fuller sólo funciona para procesos autorregresivos.
No es eso, Dickey-Fuller sólo funciona para procesos autorregresivos.
es su problema reconocer el proceso, no le damos un cotyr, sino un sintético, y no del todo un sintético
si adf_test da 0,01, puedes ir a fumar bambú, ¿no?
ese es su problema, no el mío.
determinar esto
no hay que operar cambiando los modos, hay que cambiar las estrategias cuando cambian. Si se trata de scalping, habrá cientos de operaciones para cada uno. El reto es cambiar de estrategia a tiempo, es decir, identificar el cambio de modo lo antes posible, o incluso predecirlo.
si resuelves este problema, el Grial está sin duda en tu bolsilloEl cambio de modo es muy discutible
Ya he planteado la pregunta: ¿cómo considerar la estacionalidad, una ventana que se desplaza o una fila que se alarga?
pero supongamos que no importa y que tenemos "no estacionariedad" en ambos casos
nadie ha conseguido crear una ST sobre la no estacionariedad
otra cosa es que podemos intentar que el bosque (mientras estamos parados) determine "entrar o no", pero me parece que se estancará o adivinará
podemos cambiar el TC "hacia atrás" al ir en parado, pero no hay estadísticas fiables
aunque podemos aplicar una técnica en la que si sabemos que vamos a volver a cero podemos invertir la reducción
no es fácil, pero es posible... gracias por sugerir que usemos el antiguo tocho
Si es así, por supuesto
Pero tenemos que pensar en ello
el cambio de modo es una cuestión muy discutible
Ya he planteado la pregunta: ¿cómo consideramos la estacionariedad, una ventana que se desplaza o una fila que se alarga? no hay respuestas
pero supongamos que no importa y que tenemos "no estacionariedad" en ambos casos
nadie ha conseguido crear una ST sobre la no estacionariedad
otra cosa es que podemos intentar que el bosque (mientras estamos parados) determine "entrar o no", pero me parece que se estancará o adivinará
podemos cambiar el TC "hacia atrás" al ir en parado, pero no hay estadísticas fiables
aunque podemos aplicar una técnica en la que si sabemos que vamos a volver a cero podemos invertir la reducción
no es fácil, pero es posible... gracias por sugerir que usemos el antiguo tocho
si podemos, por supuesto.
pero tenemos que pensarlo bien.
Yo prefiero contar la estacionariedad a partir de un retardo incremental significativo, como en el último artículo. Por ejemplo, el retardo ~24 para los incrementos horarios es robusto. Entonces no hay incertidumbre en la elección de la ventana.
Con bosque o sin bosque, aquí, por ejemplo, boost (todo está listo) y funciona hasta que se cambia el modo. Cuando se produce un incremento de la media, el modelo se bloquea, lo cual es natural. Es increíble el tiempo que se tardó en averiguar cuánto afecta el sesgo de la media (ni siquiera la varianza) a la tc. Tonto.
Lo que falta ya ha sido lanzado. He aquí un ejemplo sencillo de agrupación de los incrementos (léase: definición de los modos) y de comprobación de los mismos en los nuevos datos (3 modos encontrados). Elegí uno más simple a propósito, no he experimentado todavía.
https://www.quantnews.com/k-means-clustering-creating-simple-trading-rule-smoother-returns/
Es decir, se ajusta un modelo distinto para cada grupo. Se define el clúster actual (modo), los modelos se cambian en consecuencia.
No hay nada más que pensar, habrá que hacerlo. K-means no es la mejor opción, pero servirá como caso de prueba.
Si adf_test da 0,01, puedes ir a fumar bambú, ¿no?
rechaza casos muy especiales de no estacionariedad (autorregresiva, tipo SB), y la no estacionariedad puede ser mucho más diversa.
La cuestión es que, según el teorema de Wold, cualquier proceso estacionario puede considerarse autorregresivo, pero entre los procesos no estacionarios hay muy pocos autorregresivos.
rechaza casos muy especiales de no estacionariedad (autorregresiva, tipo SB), y la no estacionariedad puede ser mucho más diversa.
La cuestión es que, según el teorema de Wold, cualquier proceso estacionario puede considerarse autorregresivo, pero entre los procesos no estacionarios hay muy pocos autorregresivos.
¿Y qué? Digamos que rechaza
¿y qué 2?
¿Y qué? Digamos que lo hace.
¿y qué 2?
¿Qué quiere decir con "suponer que se rechaza"? ¿Sabes siquiera lo que es una prueba estadística, una hipótesis estadística?
¿A qué se refiere con "suponer que se rechaza"? ¿Sabes siquiera lo que es una prueba estadística, una hipótesis estadística?
¿Puede responder a las preguntas sin hacer contrapreguntas?