Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 656
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
Bueno, y la no estacionalidad. Cualquier proceso, si se descompone en trozos, será inestable, y si no lo es, no será aleatorio.
No lo entiendo. En GARCH el proceso se descompone en componentes, no en trozos. Está en la propia fórmula: valor anterior + ruido.
Por cierto, a juzgar por las distribuciones en diferentes intervalos largos (varios de más de 3 meses) no noté ninguna diferencia significativa entre ellos.
En las publicaciones sobre GARCH, se demuestra la necesidad de tener más de 5000 observaciones para calcular los parámetros de las distribuciones. Menos de 1000 hace que el modelo sea inestable.
Sobre el sentido económico - bueno, no lo sé. Asumo que el mercado es aleatorio para el observador. Que sea realmente aleatorio o no, no importa. La palabra clave aquí espara el observador.
En cuanto al mercado de divisas, estoy completamente de acuerdo, ya que creo que los tipos de cambio son la política.
En cuanto a los otros tipos de activos. Aunque hoy los precios de los activos son espurios: el precio del petróleo es varias veces superior, mientras que el consumo es aproximadamente el mismo.
pero no te has librado de las emisiones.
Por supuesto que no y no puedes hacerlo. Además, una de las implicaciones de los modelos GARCH es lo bien que se ajusta REALMENTE al proceso tras una emisión.
Por supuesto que no y no debería hacerse. Además, uno de los significados de los modelos GARCH es lo bien que se ajusta REALMENTE al proceso posterior al valor atípico.
Quiero decir que si se toman sólo los incrementos y los logaritmos de los incrementos, los gráficos son equivalentes, pero sólo en una escala de precios diferente
Yo también he pensado mucho en esto.
Si el modelo de regresión predice las ganancias de los precios por barra y la puntuación R2 es superior a cero en los fronttests y backtests, eso ya es un buen comienzo. El problema es que el resultado, aunque estable, es pequeño, el diferencial no se puede superar.
Desde el punto de vista analítico, el problema es que R2 penaliza más el modelo por los errores grandes e ignora los errores pequeños y las direcciones comerciales erróneas. Si se observa la distribución de las ganancias, la mayoría de los movimientos de precios son de sólo un par de pips. Y el modelo, en lugar de predecir la dirección correcta de esos pequeños movimientos, aprende a predecir las colas largas de la distribución para las que obtendrá un R2 mayor. Como resultado, el modelo puede predecir de alguna manera los grandes movimientos, pero en los pequeños siempre se equivoca en la dirección y pierde el diferencial.
Conclusión: las estimaciones de regresión estándar son malas para el mercado de divisas. Es necesario crear una función de aptitud de algún tipo para tener en cuenta las direcciones de los tratos, la dispersión y la precisión. Entonces, incluso con una precisión de poco más del 50% hay posibilidades de obtener beneficios.
La precisión, la relación de afilado, el factor de recuperación y otras funciones que analizan los gráficos comerciales son demasiado discretas, las neuronas con un backprop estándar no saldrán del mínimo local y no podrán aprender correctamente.
Una conclusión alternativa es ignorar por completo las señales débiles de la neurona. Comercie sólo con los fuertes. El problema es que siempre podemos definir el umbral que da buenos resultados en el backtest, pero no dará buenos resultados en el fronttest. Aquí también hay que pensar en algo.
R2 IMHO así como logloss es una métrica bastante inconveniente debido a su no linealidad. Para mí es mucho más conveniente una simple correlación de los retornos con los pronósticos, es como la raíz de R2, multiplicada por 100 obtienes el porcentaje exacto de cambio que puedes capturar del mercado, a mí me sale un 3-5%, pero el problema es, como bien dices, que estas señales son demasiado frecuentes, y el filtrado o el promediado matan casi por completo el alfa. Creo que es aquí donde tengo que concentrar mis esfuerzos, ya que de todos modos no puedo obtener más del 5% de los datos normales.
En cuanto al sentido económico, no lo sé. Asumo que el mercado es aleatorio para el observador. Que sea realmente aleatorio o no, no importa realmente. La palabra clave aquí espara el observador.
En cuanto al mercado de divisas, estoy completamente de acuerdo, ya que creo que los tipos de cambio son la política.
En cuanto a los otros tipos de activos. Aunque hoy en día los precios de los activos están por las nubes: el precio del petróleo por momentos y el consumo es casi el mismo.
Sí, en todas partes. Principalmente juego en la bolsa de futuros. Para un observador todo es aleatorio. Lo que hay realmente, quién lo sabe. Hay que estar dentro).
Lo que es "no aleatorio" - es el retroceso en el movimiento y las fluctuaciones alrededor de la media (no confundir con Alexander_K2-m). Con este enfoque, más bien el golpear un movimiento puede llamarse aleatorio, pero no raro e incluso un fenómeno regular, dado que nunca sabemos cuándo y en qué dirección será.
Sí, en todas partes. Principalmente juego con el mercado de acciones y futuros. Para un observador, todo es aleatorio. Lo que realmente es, no lo sé. Hay que estar dentro).
Lo que es "no aleatorio" - es el retroceso en el movimiento y las fluctuaciones alrededor de la media (no confundir con Alexander_K2-m). Con este enfoque, más bien el acierto de una jugada puede calificarse de aleatorio, pero no de raro e incluso de regular, dado que nunca sabemos cuándo ni en qué dirección será.
Esta hipótesis de un mercado eficiente no tiene sentido.
Es decir, si se toman sólo los incrementos y los logaritmos de los incrementos, los gráficos son equivalentes, pero sólo en una escala de precios diferente
Al fin y al cabo, no en vano los modelos GARCH se utilizan para los incrementos. y son los más comunes en la actualidad. La idea básica de vencer la no estacionariedad descomponiendo una serie no estacionaria en componentes que tienen un sentido económico y estadístico bastante significativo es muy atractiva.
Ahora mismo Garch es demasiado complicado para mí. Los libros sobre el tema están escritos principalmente para especialistas en estadística y econometría, y operan constantemente con cosas que no entiendo; para entender y asimilar algunos aspectos básicos necesito entender primero un montón de otras cosas que no se explican en los libros.
He jugado con paquetes en R, pero no he obtenido ningún beneficio con la configuración por defecto ni siquiera para una prueba; una vez más necesito saber cómo y qué ajustar en la configuración, y no puedo hacerlo por casualidad.
Creo que garch puede hacer muchas cosas, pero la cantidad de tiempo que tengo que invertir para averiguarlas es demasiado grande, y no tengo mucho.
Stranye tienes gráficos, el logaritmo debería haberlos comprimido también. ¿Con qué fórmula lo has calculado? Decimal, por ejemplo, un cambio de 10 veces en los datos de entrada resulta en un cambio de 2 veces. Natural también, pero más débil. Sus gráficos no muestran la compresión vertical.
log(cierre[i]/cierre[i-15])
¿dónde cerrar qué, por qué?
Es decir, si se toman sólo los incrementos y los logaritmos de los incrementos, los gráficos son equivalentes, pero sólo en una escala de precios diferente
Supongo que no es log(open[0] - open[1]),
pero log(open[0]/open[1])