Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 837

[Maxim Dmitrievsky]

SanSanych Fomenko:

GARCH se llama, a diferencia del aprendizaje automático, corriente principal en los mercados financieros (junto con la cointegración y las carteras).

Los modelos tienen en cuenta un montón de matices estadísticos de los incrementos, incluidas las colas gruesas y la memoria larga a la Hurst.

Por ejemplo, hay una publicación sobre la elección de los parámetros de los modelos GARCH en TODOS los valores, incluidos en el índice S&P500.

Hay muchas publicaciones sobre la aplicación en Forex. El conjunto de herramientas está muy bien desarrollado. Por ejemplo, el paquete rugarch.

Aquí es un artículo de la wikipedia sobre la volatilidad fractal, no es rugarch sino un análogo de algún tipo.

garch es difícil para mi ts, me encanta cuando todo cuenta rápido

[Alexander_K2]

El salto feroz de Misha se ha perdido.... El Grial se lo ha llevado y el alma en pena se pierde....

[Maxim Dmitrievsky]

Primero haré una previsión de volatilidad y luego ya pensaré qué hacer con ella :)

[forexman77]

Maxim Dmitrievsky:

Sobre el tema de la predicción de la volatilidad. Digamos que predecir la volatilidad es mucho más fácil que predecir la propia cotización

E incluso hay todo tipo de modelos como https://en.wikipedia.org/wiki/Markov_switching_multifractal

¿Qué da, cómo utilizarlo correctamente, alguien ha hecho algo con él?

Bueno, vale, la volatilidad se ha predicho, ¿qué pasa?

He probado todas las estrategias de forex que he comprobado y las he limitado por la volatilidad. Umbral más alto o más bajo, no me dio nada.

Tengo muchas buenas ofertas con baja volatilidad y buenas ofertas con alta. No puedo determinarlas con volatilidad.

[Maxim Dmitrievsky]

forexman77:

Bueno, de acuerdo con la volatilidad prevista, ¿qué te da eso?

Todas las estrategias de forex que he probado, he tratado de limitarlas por la volatilidad. Umbral más alto o más bajo, no me dio nada.

Tengo muchas buenas ofertas con baja volatilidad y buenas ofertas con alta. No puedo separarlos según la volatilidad.

intento seguir los pasos de los corifeos) escribieron que hay que prever la volatilidad

[forexman77]

Maxim Dmitrievsky:

Estoy tratando de seguir los pasos de los corifeos )) escribieron que se debe predecir la volatilidad

¿Crees que el andamiaje es útil? ¿Tal vez intente estudiarlo en el futuro?

[Maxim Dmitrievsky]

forexman77:

¿Cómo crees que el andamiaje es útil de alguna manera, probablemente trataré de explorarlo en el futuro?

Espera el artículo sobre los andamios, llegará pronto.

En cuanto a la volatilidad, puede utilizarse para cambiar de modo de TS, según el buey.

Y si la volatilidad también puede predecirse, entonces el mercado de divisas puede cambiar a otro modo antes, sin retraso.

así es como yo lo entiendo

[Forester]

Dr. Trader:

Aquí hay un ejemplo con vtreat también,

Generalmente se trata de un preprocesamiento de datos, pero puede utilizarse como una estimación de cada predictor en relación con el objetivo. No me gusta que el paquete no tenga en cuenta las interacciones de los predictores, sólo utilice el código si sólo necesita estimar los predictores de uno en uno en relación con el objetivo.

library(vtreat)


#designTreatmentsC  подходит только для классификации с двумя классами
treatmentsC <- designTreatmentsC(dframe = forexFeatures,
                                 varlist=colnames(forexFeatures)[-ncol(forexFeatures)], #названия  колонок с предикторами (тут - все кроме последней колонки)
                                 outcomename = colnames(forexFeatures)[ncol(forexFeatures)], #названия  колонок с таргетом (тут - последняя колонка)
                                 outcometarget = "1") #текст  или цифра одного из классов
#обработка,  сортировка результата
treatmensC_scores <- treatmentsC$scoreFrame[order(treatmentsC$scoreFrame$sig),]
treatmensC_scores <- treatmensC_scores[!duplicated(treatmensC_scores$origName),]
treatmensC_scores <- treatmensC_scores[,c("origName","sig")] 
treatmensC_scores$is_good <- treatmensC_scores$sig <= 1/nrow(forexFeatures)
treatmensC_scores #вывод на экран таблички результатов. Лучшие предикторы вверху таблицы. Чем оценка sig меньше тем лучше. Желательно (колонка is_good==TRUE) чтоб sig была меньше чем 1/nrow(forexFeatures), всё что больше - плохо 

Experimenté con vtreat.

Esta es una matriz de resultados
[,1] [,2]
[1,] 5 8.12444537234629e-196
[2,] 1 1.98504271239423e-144
[3,] 7 2.36022454522949e-109
[4,] 11 5.68901830573741e-102
[5,] 4 6.60631002751930e-96
[6,] 10 2.95535252032342e-73
[7,] 3 2.43324301115409e-71
[8,] 9 4.51329770717951e-67
[9,] 6 3.11264518399281e-37
[10,] 2 5.77058632985908e-13
[11,] 12 3.76158923428915e-12
[12,] 8 8.18815163303239e-01

Fórmula

 treatmensC_scores$sig <= 1/nrow(forexFeatures)

No selecciona muy bien. Por ejemplo, se pierde la tercera desde abajo después de ordenar la entrada con sig=5,77e-13 a 1/fila(df)=2e-4. Y es ruidoso y estropea el entrenamiento.
Es decir, deberíamos reforzar la selección en varios órdenes de magnitud. Y sería deseable hacerlo automáticamente.

[Mihail Marchukajtes]

elibrarius:

Experimenté con vtreat.

Aquí está la matriz de resultados
[,1] [,2]
[1,] 5 8.12444537234629e-196
[2,] 1 1.98504271239423e-144
[3,] 7 2.36022454522949e-109
[4,] 11 5.68901830573741e-102
[5,] 4 6.60631002751930e-96
[6,] 10 2,95535252032342e-73
[7,] 3 2.43324301115409e-71
[8,] 9 4,51329770717951e-67
[9,] 6 3.11264518399281e-37
[10,] 2 5.77058632985908e-13
[11,] 12 3.76158923428915e-12
[12,] 8 8.18815163303239e-01

No recoge muy bien. Por ejemplo, se pierde la tercera desde abajo después de ordenar la entrada con sig=5,77e-13 a 1/fila(df)=2e-4. Y es ruidoso y estropea el entrenamiento.
Es decir, deberíamos reforzar la selección en varios órdenes de magnitud. Y sería mejor hacerlo automáticamente.

En general, utilizo este paquete en particular para seleccionar los predictores. Está claro que hay desventajas, especialmente la ausencia de interacción de múltiples predictores en relación con el objetivo. Pero en general es suficiente para mi optimización hasta ahora... Así que si hay otros paquetes para el preprocesamiento de datos los consideraría con gusto...

[Maxim Dmitrievsky]

Mihail Marchukajtes:

En general, utilizo este paquete en particular para seleccionar predictores. Está claro que hay desventajas, especialmente la falta de interacción de varios predictores en relación con el objetivo. Pero en general es suficiente para mi optimización hasta ahora... Así que si hay otros paquetes para el preprocesamiento de datos estaría encantado de considerarlos...

Bueno, Michael, te has recuperado de tu locura, ¿pronto empezarás a valorar tu ST con sensatez y sin fanatismo? :)