Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2992
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
En mi opinión, la econometría en menor medida y las matemáticas financieras estocásticas en gran medida. A un alto nivel, estas ciencias están entrelazadas entre sí y con el aprendizaje automático.
qué ocurre si descomponemos el diagrama de barras en componentes principales
arriba está el original, luego el componente principal 1, 2, 3.
la suma de los dos primeros componentes principales
gráfico más limpio sin fluctuaciones de alta frecuencia, sin rezagos ...
filtrado ))
En cuanto la presentación de la teoría de las señales adquiere sentido matemático, la estacionariedad (en sentido amplio) y el espectro de energía aparecen de inmediato. Y tonterías como "una señal es cualquier conjunto de números" no aparecen obviamente.
El artículo del sitio enlazado intenta algún tipo de generalización del concepto de estacionariedad. Independientemente de lo útil que sea para DSP, no tiene mucho sentido para los precios. Una vez más, señalaré que la estacionariedad del precio de un activo, o del precio de una cartera de ellos, es el paraíso eterno de un trader, porque significa un plano eterno sobre el que operar para siempre, como el retorno a la media.
Este es el final de la discusión de COCs en este hilo.
Bueno, si a esto le aplicas filtros, habiendo comprobado previamente la estacionariedad de "eso", entonces puede que a alguien le de algo, aunque lo dudo
cuando se introdujo "eso" en el bousting como característica, resultó que cuanto mayor era la diferenciación, más inútiles eran las predicciones sobre nuevos datos.
de nuevo, podrias coger unas cuantas Mashas de diferentes periodos de esto y no sufrir tonterias
Todo es perfecto en este trabajo: selección del objetivo mediante FF y reentrenamiento al menos en cada paso, y la característica más informativa en forma de series diferenciadas fraccionalmente. En general, todo lo que se ha rogado en el tema últimamente :) La he liado con los filtros, estoy de acuerdo, debería haberlos añadido para un relleno completo :)
¿Puedo ver los resultados antes de morir?
https://perraudin.info/gsp.php
Vivir felices para siempre
Bueno, ¿puede describir el esquema de la idea en sí....
Para mí, la cuestión siempre es encontrar desviaciones del precio respecto a SB. La econometría difiere de la estocástica financiera en la modelización del tiempo, discreto en el primer caso y continuo en el segundo, lo que conduce a una matemática bastante diferente, pero la esencia es la misma.
He aquí un ejemplo bastante estándar de dicha búsqueda dentro de la econometría artículo1 y artículo2. El enfoque está precisamente relacionado con la búsqueda de estacionariedad (en el precio de los activos o el diferencial), es decir, se supone que la estacionariedad sólo es posible a veces y se define como una desviación de una SB más típica, en lugar de ser una propiedad constante como en el estudio de las señales en DSP.
En el caso de la estocasticidad, es difícil dar un ejemplo sencillo pero significativo. Mi trabajo sobre las lagunas puede servir de pista en este sentido, porque la distribución que allí se estudia es más fácil de considerar en tiempo continuo. Y si suponemos la dependencia de esta distribución de algunas características, podemos desarrollar la idea en la dirección de la MO.
Para mí, lo importante siempre es buscar desviaciones del precio con respecto a la SB. La econometría difiere de la estocástica financiera en la modelización del tiempo, discreto en la primera y continuo en la segunda, lo que da lugar a matemáticas bastante diferentes, pero la esencia es la misma.
He aquí un ejemplo bastante estándar de dicha búsqueda dentro de la econometría artículo1 y artículo2. El enfoque está exactamente relacionado con la búsqueda de estacionariedad (en el precio de los activos o en el diferencial), es decir, se supone que la estacionariedad sólo es posible a veces y se define como una desviación de una SB más típica, en lugar de ser una propiedad constante como en el estudio de las señales en DSP.
En el caso de la estocasticidad, es difícil dar un ejemplo sencillo pero significativo. Mi trabajo sobre las lagunas puede servir de pista en este sentido, porque la distribución que allí se estudia es más fácil de considerar en tiempo continuo. Y si suponemos la dependencia de esta distribución de algunas características, podemos desarrollar la idea en la dirección de la MO.
Los mercados financieros NO son estacionarios, esto debería sacarse del paréntesis, aceptarse como axioma y cualquier prueba de estacionariedad debería considerarse nula.
En realidad, según la ciencia soviética, los mercados financieros no sólo no son estacionarios, sino que son indefinidos. Antes se llamaba indefinido a un proceso aleatorio si un ser humano interviene en la configuración de ese proceso aleatorio.
El ejemplo más excelente de la propiedad de incertidumbre es la aplicación de la teoría de los servicios de masas a los flujos de pasajeros del metro. Todos los índices que la teoría del servicio de masas da para un proceso aleatorio en forma de flujo de pasajeros en el metro están perfectamente calculados y existen dentro de intervalos de confianza bastante estrechos. Pero si se coge un globo, se hace estallar entre la multitud y se grita "terroristas", toda la teoría del servicio de masas se va al garete. Y un proceso estacionario se convierte en uno indefinido con un montón de personas mutiladas y pisoteadas. Todo esto lo vemos en los mercados financieros, cuando las noticias pueden hacer cualquier cosa con el mercado.
Sí, se puede tomar un período de tiempo y demostrar la estacionariedad en ese período de tiempo. Se puede tomar otro periodo de tiempo y demostrar que las transformaciones de los precios son estacionarias. Pero no hay ningún instrumento que modele el impacto de las noticias en el mercado, después de lo cual un proceso aleatorio puede ser estacionario, no estacionario o caótico. y después de las noticias es probable que las características de estacionariedad o no estacionariedad sean diferentes en comparación con periodos anteriores.
Los mercados financieros NO son estacionarios, Esto debería sacarse del paréntesis, aceptarse como un axioma y cualquier prueba de estacionariedad debería considerarse nula.
En realidad, según la ciencia soviética, los mercados financieros no sólo no son estacionarios, sino que son indeterminados. Antes se llamaba indeterminado a un proceso aleatorio si un ser humano participa en la formación de este proceso aleatorio .
El ejemplo más excelente de la propiedad de indeterminación es la aplicación de la teoría de los servicios de masas a los flujos subterráneos de pasajeros. Todos los índices que la teoría del servicio de masas da para un proceso aleatorio en forma de flujo de pasajeros en el metro están perfectamente calculados y existen dentro de intervalos de confianza bastante estrechos. Pero si se coge un globo, se hace estallar entre la multitud y se grita "terroristas", toda la teoría del servicio de masas se va al garete. Y un proceso estacionario se convierte en uno indefinido con un montón de personas mutiladas y pisoteadas. Esto es lo que vemos en los mercados financieros, cuando las noticias pueden hacer cualquier cosa con el mercado.
Sí, se puede tomar un período de tiempo y demostrar la estacionariedad en ese período de tiempo. Se puede tomar otro periodo de tiempo y demostrar que las transformaciones de los precios son estacionarias. Pero no hay ningún instrumento que modele el impacto de las noticias en el mercado, después de lo cual un proceso aleatorio puede ser estacionario, no estacionario o caótico. y después de las noticias es probable que las características de estacionariedad o no estacionariedad sean diferentes en comparación con periodos anteriores.
Totalmente de acuerdo. La incertidumbre del mercado no tiene carácter probabilístico, a diferencia de los procesos naturales. Si hablamos de modelos matemáticos de la incertidumbre del mercado, el más cercano será el de la teoría de juegos. Pero esta ciencia está aún demasiado poco desarrollada para proporcionar modelos útiles en la práctica.
A partir de los modelos de la teoría de juegos es posible obtener, bajo algunos supuestos adicionales, modelos probabilísticos. Por ejemplo, el equilibrio de Nash en estrategias mixtas. Podrían interesarnos modelos que describieran oscilaciones cerca de tales equilibrios, como en mecánica. Pero hasta ahora no he visto un mataparato suficientemente desarrollado para tales estudios.
Para mí, la cuestión es buscar siempre desviaciones de precios con respecto a SB......