Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 262
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
Es necesario determinar los canales, cada uno formará los signos por sí mismo, sugiero un segundo "rebanadas" para nuestros futuros: aletas por segundo de licitación, oferta, tick promedio por segundo, delta en la pila, el volumen de compras y ventas, por separado y el cambio de interés abierto, para los pares de divisas aletas de licitación, oferta, tick promedio, para los índices extranjeros precio y el cambio por día ejemplo en el archivo adjunto.
Lo primero que hay que hacer es tratar con una o dos filas, un par de características y un objetivo en una serie pequeña (1000-10000 muestras), y luego empezar con 100500 características y objetivos.
Por ejemplo, tomemos el euro y el yen a la libra en un minuto con MT, 2 -3 TRIX (RSI, Estocástico, ..., etc.) como fichas y ZZ como objetivo y entendamos en detalle cómo (no) funciona y por qué y añadamos series, fichas y objetivos según sea necesario, disfrutando del crecimiento del modelo de rendimiento, hasta que llegue a algún límite. Siempre es más fácil escalar cuando hay un prototipo transparente, pero no se puede manejar con un montón de filas a la vez, hay muchos grados de libertad, por regla general, termina con la configuración irreflexiva de un montón de parámetros sin entender claramente la esencia del proceso.
En primer lugar, debe tratar una o dos filas, un par de características y una etiqueta, en una fila pequeña (1000-10000 muestras), y luego crear 100500 características y etiquetas.
Ya que hemos empezado a compartir la sabiduría, yo diría que lo primero que hay que hacerse son las siguientes preguntas
1) qué impulsa el mercado
2) cómo se puede predecir
3) cómo luchar contra la no estacionalidad.
Pero meter en el mismo saco todos los indicadores que no funcionan, y el propio MOE no lo va a entender, créanme mi experiencia, ni siquiera ..... (Además, tengo "características" muy trabajadas, pero aún no puedo enseñar al modus operandi a entender esas "características")) Ni siquiera puedo hablar de indicadores sin propiedades predictivas
Mientras compartimos nuestra sabiduría, yo diría que la primera pregunta que hay que hacerse es
1) lo que impulsa el mercado en general
2) cómo se puede predecir
3) Cómo combatir la no estacionalidad
Pero meter en el mismo saco todos los indicadores que no funcionan, y el propio MOE no lo va a entender, créanme mi experiencia, ni siquiera ..... (Además, tengo "características" muy trabajadas, pero aún no puedo enseñar al modus operandi a entender esas "características")) y mucho menos indicadores que no tienen propiedades predictivas
"Lo que impulsa el mercado": son modelos del área temática.
La "no estacionariedad" son los modelos de series temporales.
Se trata de dos enfoques que no se superponen.
Se trata de dos enfoques que no se superponen.
Y no los cruzo, pero para predecir el mercado hay que responder a estas preguntas, a menos que seas un insider
Si utiliza modelos de series temporales, ¿por qué necesita "lo que mueve el mercado"?
Para los modelos de series temporales, toda la información que se necesita está en el precio
Si utiliza modelos de series temporales, ¿por qué quiere saber "qué impulsa el mercado"?
Para los modelos de series temporales, toda la información que se necesita está en el precio
¿Responde por qué un MO entrenado en unaserie temporal de mercado no se comporta adecuadamente con los nuevos datos?
Buscando una respuesta a esta pregunta tendremos que abordar la cuestión de "qué es lo que impulsa al mercado" y resolver el problema de la no estacionariedad, en definitiva todo lo anterior que he mencionado, no es nada nuevo
¿Por qué un MdD entrenado en una serie temporal de mercado no se comporta adecuadamente con los nuevos datos?
Buscando una respuesta a esta pregunta tenemos que buscar en "lo que impulsa el mercado" y abordar las cuestiones de no estacionariedad, en definitiva todo lo que he mencionado anteriormente, nada nuevo
Porque los datos no son estacionarios.
¿De qué sirve entrenar un modelo en un trozo de serie si las características temporales de la serie son completamente diferentes en otro trozo?
Porque los datos son no estacionarios.
¿De qué sirve entrenar un modelo en un trozo de una serie si las características temporales de la serie son completamente diferentes en otro trozo?
Bueno, es cierto, pero eso es sólo la mitad del problema, es puramente una cuestión de no estacionalidad.
Pero hay otra pregunta - si los datos del mercado para hacer statsionarnymi resulta que de todos modos no pueden predecir, al menos por golpear, aquí es la segunda pregunta "¿qué hace el mercado".
Es cierto, es cierto, pero eso es sólo la mitad del problema, es puramente una cuestión de no estacionariedad lo que se está resolviendo.
Pero hay otra pregunta - si los datos del mercado para hacer statsionarnymi resulta que de todos modos no son predecibles al menos a simple vista, ahí es donde la segunda pregunta "lo que impulsa el mercado" viene en
¿Y cómo se resuelve la cuestión de la no estacionalidad?
Yo personalmente lo resolví con dtw, ahora he encontrado una cosa interesante con el análisis espectral, en concreto "SSA", aunque si sabes hacerlo, creo que Fourier o "PCA" te servirán.
Usted ve, yo no estoy tratando de hacer que el precio statsionarnaya, yo sólo uso los métodos que son "inmunes" a la no statsionarnosti