Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 464
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
GARCH
Tengo mi propia comprensión de forex con la práctica, y garch no resuelve los problemas que necesito.
Puede parecer que garch resuelve fácilmente muchos problemas y da resultados comparables a los de los MO complejos con métodos sencillos. Pero los datos de entrada de garch están limitados por el precio, y creo que esto no es suficiente. Así que si tomamos un modelo de MO, le damos precios y comparamos las predicciones con las obtenidas con garch, puede parecer que no son inferiores. Pero si le das a un modelo de MO muchos más datos de entrada, obtendrá una ventaja significativa.
En general garch y otros modelos de aprendizaje automático tienen mucho en común, trabajando con garch estás mucho más cerca de MO de lo que crees.
En ambos casos (MO y garch) se toma el precio, se hacen todo tipo de transformaciones con él para crear predictores (indicadores para los modelos normales, y transformaciones arima para el garch), y en base a ellos se modela el precio tratando de predecir las ganancias.
Además, en MO hay una validación cruzada para asegurarse de que todo está bien, mientras que en el caso de Garch hay igualmente algunas comprobaciones estadísticas internas.
En general, el enfoque es muy similar en ambos casos (hacer algo con el precio para satisfacer todos los requisitos del modelo y predecir el futuro), sólo que con formas ligeramente diferentes de hacerlo.
Pero aparentemente el precio es demasiado aleatorio, y los patrones encontrados son muy pequeños. Por mucho tiempo que se dedique a entrenar el modelo, su estimación seguirá estando lejos de ser perfecta, sólo un par de puntos porcentuales por encima de la estimación de una conjetura aleatoria.
A veces uno puede tener suerte y estas dependencias encontradas, aunque sean pequeñas, existen durante mucho tiempo y aportan beneficios. Pero siempre desaparecen de repente. Este es el principal problema para mí ahora - encontrar algunos indicadores externos, como los informes financieros, que podrían ser utilizados para entrenar el modelo con una muy buena estimación, de modo que las dependencias encontradas son estables y no desaparecen de repente.
Tengo mi propia comprensión de forex con la práctica, y garch no resuelve los problemas que necesito.
Puede resultar que garch resuelva fácilmente muchos problemas y que, con métodos sencillos, dé resultados comparables a los de los complejos MO. Pero los datos de entrada de garch están limitados por el precio, y creo que esto no es suficiente. Así que si tomamos un modelo de MO, le damos precios y comparamos las predicciones con las obtenidas con garch, puede parecer que no son inferiores. Pero si le das a un modelo de MO muchos más datos de entrada, obtendrá una ventaja significativa.
En general garch y otros modelos de aprendizaje automático tienen mucho en común, trabajando con garch estás mucho más cerca de MO de lo que crees.
En ambos casos (MO y garch) se toma el precio, se le hacen todo tipo de transformaciones para crear predictores (indicadores para los modelos normales, y transformaciones arima para el garch), y en base a ellos se modela el precio tratando de predecir las ganancias.
Además, en MO hay una validación cruzada para asegurarse de que todo está bien, mientras que en el caso de Garch hay igualmente algunas comprobaciones estadísticas internas.
En general, el enfoque es muy similar en ambos casos (hacer algo con el precio para satisfacer todos los requisitos del modelo y predecir el futuro), sólo que con formas ligeramente diferentes de hacerlo.
Pero aparentemente el precio es demasiado aleatorio, y los patrones encontrados son muy pequeños. Por mucho tiempo que se dedique a entrenar el modelo, su estimación seguirá estando lejos de ser perfecta, sólo un par de puntos porcentuales por encima de la estimación de una conjetura aleatoria.
A veces uno puede tener suerte y estas dependencias encontradas, aunque sean pequeñas, existen durante mucho tiempo y aportan beneficios. Pero siempre desaparecen de repente. Ese es el principal problema ahora. Encontrar algunos indicadores externos, como los informes financieros, que pueden ayudarme a enseñar el modelo con una muy buena estimación para que las dependencias encontradas sean estables y no desaparezcan inesperadamente.
Con la práctica me formo mi propia comprensión de Forex, y garch no resuelve los problemas que necesito.
Puede parecer que garch resuelve fácilmente muchos problemas y da resultados comparables a los de los MO complejos con métodos sencillos. Pero los datos de entrada de garch están limitados por el precio, y creo que esto no es suficiente. Así que si tomamos un modelo de MO, le damos precios y comparamos las predicciones con las obtenidas con garch, puede parecer que no son inferiores. Pero si le das a un modelo de MO muchos más datos de entrada, obtendrá una ventaja significativa.
En general garch y otros modelos de aprendizaje automático tienen mucho en común, trabajando con garch estás mucho más cerca de MO de lo que crees.
En ambos casos (MO y garch) se toma el precio, se hacen todo tipo de transformaciones con él para crear predictores (indicadores para los modelos normales, y transformaciones arima para el garch), y en base a ellos se modela el precio intentando predecir las ganancias.
Además, en MO hay una validación cruzada para asegurarse de que todo está bien, mientras que en el caso de Garch hay igualmente algunas comprobaciones estadísticas internas.
En general, el enfoque es muy similar en ambos casos (hacer algo con el precio para satisfacer todos los requisitos del modelo y predecir el futuro), sólo que con formas ligeramente diferentes de hacerlo.
Pero aparentemente el precio es demasiado aleatorio, y los patrones encontrados son muy pequeños. Por mucho tiempo que se dedique a entrenar el modelo, su estimación seguirá estando lejos de ser perfecta, sólo un par de puntos porcentuales por encima de la estimación de una conjetura aleatoria.
A veces uno puede tener suerte y estas dependencias encontradas, aunque sean pequeñas, existen durante mucho tiempo y aportan beneficios. Pero siempre desaparecen de repente. Ese es el principal problema ahora. Encontrar algunos indicadores externos, como los informes financieros, que pueden ayudarme a enseñar el modelo con muy buena estimación para que las dependencias encontradas sean estables y no desaparezcan inesperadamente.
Los insumos en los mercados financieros siempre son moldeados por personas que tienen sus propios intereses, y diferentes en distintos momentos bajo las mismas condiciones.
Esto es especialmente evidente en la TF a H1. Obtenemos un proceso aleatorio no estacionario formado por los deseos de grupos relativamente pequeños de individuos.
Por encima del D1, empieza a funcionar la ley de los grandes números y también la dirección del movimiento está marcada por las inversiones del Estado, las grandes empresas y la política.
En la pequeña TF no tiene sentido buscar patrones: no los hay. Lo que se formó y definimos como un patrón es en realidad círculos en el agua: fueron y no son. Podemos captar el inicio de una ola, cortarla y esperar a que se produzca otra similar, y puede que no se produzca.
En los grandes TF hay que tener en cuenta un gran número de factores, porque inicialmente no está clara su influencia en la variable objetivo. Pero lo fundamental es que el origen del movimiento no es un proceso aleatorio, sino determinista, producido desde hace tiempo, mantenido a propósito hasta su cumplimiento. Puede que no lo entendamos/conozcamos, pero estos movimientos se pueden intentar pescar con MO en forma de patrones que no son eternos, pero cuya vida puede durar años.
De ello se deduce que MO y GARCH son herramientas complementarias y deben combinarse en un sistema de negociación.
Los insumos en los mercados financieros siempre son moldeados por personas que tienen sus propios intereses, y diferentes en distintos momentos bajo las mismas condiciones.
Esto es especialmente evidente en la TF a H1. Obtenemos un proceso aleatorio no estacionario formado por los deseos de grupos relativamente pequeños de individuos.
Por encima del D1, empieza a funcionar la ley de los grandes números y también la dirección del movimiento está marcada por las inversiones del Estado, las grandes empresas y la política.
En la pequeña TF no tiene sentido buscar patrones: no los hay. Lo que se formó y definimos como un patrón es en realidad círculos en el agua: fueron y no son. Podemos captar el inicio de una ola, cortarla y esperar a que se produzca otra similar, y puede que no se produzca.
En los grandes TF hay que tener en cuenta un gran número de factores, porque inicialmente no está clara su influencia en la variable objetivo. Pero lo fundamental es que el origen del movimiento no es un proceso aleatorio, sino determinista, producido desde hace tiempo, mantenido a propósito hasta su cumplimiento. Puede que no lo entendamos/conozcamos, pero estos movimientos se pueden intentar pescar por MO en forma de patrones, que no son eternos, pero cuya vida puede durar años.
De ello se deduce que MO y GARCH son herramientas complementarias y deben combinarse en un sistema de negociación.
Estoy cansado de escribir que no hay diferencia en qué plazo tomar, los riesgos son los mismos en todas partes, no hay diferencia excepto en el spread y la comisión para el scalping, pero eso es otro tipo de factor negativo. Cualquier serie temporal es descrita por sólo unas pocas variables, tal vez incluso por 2, como la persistencia (heurst) y la volatilidad (dimensión fractal) y, digamos, la duración de estos ciclos no periódicos que deben ser separados, todo. A partir de esto es posible construir modelos sencillos y fiables con MO o con algo más. De esto se deduce que nunca es posible construir un modelo que funcione de forma continua porque las citas son aleatorias y los ciclos no periódicos se forman de forma espontánea, por lo que los momentos de transición de un ciclo a otro no son predecibles en las mismas condiciones y es necesario cambiar la escala de representación para ver estos ciclos como componentes de uno mayor. Creo que la comprensión es la base sin la cual es imposible pensar en el mercado como un sistema probabilístico de la manera correcta. Dentro de los ciclos no periódicos, incluso los modelos simples funcionan bien, las cosas siempre se romperán cuando los ciclos cambien. De un ciclo a otro, el mercado es siempre nuevo y diferente. Y qué tiene que ver la TF en todo esto.
De dónde sacas toda esa mierda profunda de que los TF pequeños están dominados por los deseos de pequeños grupos de personas, mientras que en los grandes todo está determinado. Nunca ha sido así y es un dedo en el cielo, los mercados son un mecanismo diferente donde todo está interconectado con todo, de ahí la invariabilidad de escala de todos los TF (horizontes de inversión).
Si vamos a hablar de determinismo, es la dependencia de todos los marcos temporales entre sí, porque la cita es la misma, sólo cambiamos la escala del evento, es como moverse a lo largo de un fractal de uno inferior a uno superior y viceversa.
Los insumos en los mercados financieros siempre son moldeados por personas que tienen sus propios intereses, y diferentes en distintos momentos bajo las mismas condiciones.
Esto es especialmente evidente en la TF a H1. Obtenemos un proceso aleatorio no estacionario formado por los deseos de grupos relativamente pequeños de individuos.
Por encima del D1, empieza a funcionar la ley de los grandes números y también la dirección del movimiento está marcada por las inversiones del Estado, las grandes empresas y la política.
En la pequeña TF no tiene sentido buscar patrones: no los hay. Lo que se formó y definimos como un patrón es en realidad círculos en el agua: fueron y no son. Podemos captar el inicio de una ola, cortarla y esperar a que se produzca otra similar, y puede que no se produzca.
En los grandes TF hay que tener en cuenta un gran número de factores, porque inicialmente no está clara su influencia en la variable objetivo. Pero lo fundamental es que el origen del movimiento no es un proceso aleatorio, sino determinista, producido desde hace tiempo, mantenido a propósito hasta su cumplimiento. Puede que no lo entendamos/conozcamos, pero estos movimientos se pueden intentar pescar por MO en forma de patrones, que no son eternos, pero cuya vida puede durar años.
De ello se deduce que MO y GARCH son herramientas complementarias y deben combinarse en un sistema de negociación.
En cualquier TF es un proceso aleatorio no estacionario. Tiene un componente determinista no estacionario y un componente aleatorio no estacionario, también en cualquier TF.
Utilizar los "deseos" de uno y otras tonterías como explicación de la aleatoriedad y la no estacionariedad es una tontería.
Toda la información sobre el proceso está en el propio proceso (en el gráfico-historia, "el precio que lo explica todo"). El reto consiste en extraer la información adecuada del proceso, que podría utilizarse para los propios fines. La tarea es difícil, pero solucionable.
La economía de cualquier país es la producción de bienes y servicios, que es un proceso muy determinista y altamente inercial. Se pueden encontrar ejemplos en los que estos procesos han sido perfectamente estables durante décadas. Un cambio del 1% en el producto bruto de cualquier país en un año es un éxito o un desastre. Una caída del 10% en la producción de un país puede provocar una explosión social.
Lo que estamos presenciando es una espuma en este proceso determinista. Hoy en día, esta espuma se aleja cada vez más de la economía real, pero a nivel macroeconómico, a nivel de los indicadores económicos naturales trimestrales, de los que hay decenas de miles, todo sigue igual.
http://my-files.ru/9iyzd6
En algún lugar del foro había un tema en el que alguien utilizaba datos similares y predecía algún índice una vez en un par de meses.
Encontré esto.https://www.mql5.com/ru/forum/40739(también FRED). Interesante tema, quizás algún día intente predecir el eurusd en un marco temporal mensual utilizando estos datos.
Cuidado, los indicadores pueden ser revisados (redibujados).
La economía de cualquier país es la producción de bienes y servicios, que es un proceso muy determinista y altamente inercial. Se pueden encontrar ejemplos en los que estos procesos han sido perfectamente estables durante décadas. Un cambio del 1% en el producto bruto de cualquier país en un año es un éxito o un desastre. Una caída del 10% en la producción de un país puede provocar una explosión social.
Lo que estamos presenciando es una espuma en este proceso determinista. Hoy en día esta espuma se desprende cada vez más de la economía real, pero a nivel macroeconómico, a nivel de indicadores económicos naturales trimestrales, de los que hay decenas de miles, todo sigue igual.
Ya estás otra vez con tu retórica descarada: "muy determinista", "extremadamente inercial"... ¿Dices "espumoso"? y "todo sigue igual"? Es como si hubieras pintado un cuadro en tu cabeza y estuvieras describiendo ese cuadro sin importarte lo alejado que está de la realidad.
Usted es una especie de "econometrista" y debería ser capaz de entenderlo... pero no.
Intente leer un artículo de Sergey Glazyev. Será útil para entender la situación.
Mi opinión actual es negociar desviaciones en lugar de tendencias debido a lo dudoso de estas tendencias en el futuro cercano.
Para negociar las desviaciones existe un dispositivo llamado GARCH, muy utilizado en los mercados financieros, empezando por la negociación de alta frecuencia. El límite de sueño es de hasta 100 pips. Así, en TFs hasta H1 cogemos 15-20 pips y esperamos la siguiente señal. Cuanto menos tiempo en el mercado, mejor será el Asesor Experto.