Regresión Bayesiana - ¿Alguien ha hecho un EA utilizando este algoritmo? - página 47
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
26000 hrn
Descripción del trabajo
REQUISITOS PROFESIONALES (valoramos más las ganas de aprender sobre la marcha):
Redes neuronales: aprendizaje no supervisado: FNN,RNN (redes neuronales recurrentes, incluyendo LSTM), RBF, etc.
Experiencia en programación (o disposición a aprender) en Python (y conjunto de librerías para todo lo relacionado con la estadística)
Bibliotecas de análisis de datos en Python (theano, Torch, Pandas, NumPy, scikit-learn) o sus equivalentes en R
cierta experiencia con el aprendizaje automático, el filtrado colaborativo, el análisis de clústeres y la teoría de grafos
otros enfoques combinados: ANFIS (sistema de inferencia difusa basado en la red adaptativa)
Conocimientos avanzados de estadística y series temporales: Procesos estocásticosHerramientas: SSA/SVD, RSSA, FIMA/ARFIMA, Modelo exógeno no lineal autorregresivo (NARX), (N)GARCH y sus derivados, Exponente de Hurst y sus aplicaciones, Análisis de cuantificación de recurrencia (RQA)
TAREAS (orden de prioridad):
análisis estadístico de datos financieros, aplicaciones econométricas
creación de servicios y marcos para el procesamiento interactivo de consultas distribuidas sobre grandes volúmenes de datos
28000 UAH
Descripción del trabajo
REQUISITOS PROFESIONALES (valoramos más las ganas de aprender sobre la marcha):
Experiencia en tecnología de procesamiento del lenguaje natural (PLN)
Implementaciones de PNL en Python (NLTK) u otras implementaciones desarrolladas
Redes neuronales: aprendizaje no supervisado: RNN (redes neuronales recurrentes), FNN, RBF, etc.
Experiencia en programación (o disposición a aprender) en Python (y conjunto de librerías para todo lo relacionado con la estadística)
Bibliotecas de análisis de datos en Python (theano, Torch, Pandas, NumPy, scikit-learn) o sus equivalentes en R
cierta experiencia con el aprendizaje automático, el filtrado colaborativo, el análisis de clústeres y la teoría de grafos
otros enfoques combinados: ANFIS (sistema de inferencia difusa basado en la red adaptativa)
25000 UAH
Descripción del puesto
REQUISITOS PROFESIONALES:
conocimientos avanzados de estadística y series temporales: representando series temporales con dimensionalidad reducida, como la Transformación Discreta de Fourier, la Descomposición de Valor Único (SVD), la Transformación Discreta de Coseno, la Transformación Discreta de Ondas, la Aproximación Adaptativa a Piezas Constantes, los polinomios de Chebyshev, la Aproximación Simbólica Agregada, la Aproximación Lineal a Piezas Indexable, etc.
experiencia en la medición de la similitud de las series temporales: Distancia euclidiana (ED), deformación temporal dinámica (DTW), secuencia común más larga (LCSS), distancia de edición con penalización real (ERP), distancia de edición en secuencia real (EDR), DISSIM, modelo de alineación ponderada por secuencia (Swale), distancia de ensamblaje espacial (SpADe) y búsqueda de similitud basada en consultas de umbral (TQuEST)
Conocimiento serio de los procesos estocásticos Herramientas: RSSA, FIMA/ARFIMA, modelo autorregresivo exógeno no lineal (NARX), (N)GARCH y sus derivados, exponente de Hurst y sus aplicaciones, análisis de cuantificación de recurrencia (RQA)
Experiencia en programación (o disposición a aprender) en Python (y conjunto de librerías para todo lo relacionado con la estadística) librerías de análisis de datos en Python (theano, Torch, Pandas, NumPy, scikit-learn) o sus equivalentes en R, Octave para la creación rápida de prototipos
algo de experiencia con Machine Learning, filtrado colaborativo, teoría de grafos
Estos métodos son utilizados REALMENTE por los creadores de mercado en sus operaciones. Y también hay Bayesses en algún lugar por ahí, por supuesto. Pero no de forma descarada: ¡para la previsión de precios, además, en forex al contado!
Uy, se me olvidó añadir: no uso nada de la lista anterior. Probablemente por eso me funciona .....
Soy testigo a diario de cómo alguien que utiliza un MT4 obsoleto con el correspondiente algo-TS primitivo genera un volumen de negocio de >5.000 millones de dólares al día en la cola, obteniendo un beneficio diario de más/menos unos cientos de dólares. La expectativa matemática es positiva. Más de un millón de dólares al mes, seguro.
¿Dónde están sus ***fondos que no pueden replicar este jardín de infancia, que dura (a juzgar por la historia) casi un año en real (incluso más en el probador)?
La estúpida estrategia primitiva te da más "quons" al mes que tus "quons" durante años
Muchas veces os he dicho aquí que los quons, los algotraders, los market makers... no son idiotas, que son BUENOS en matemáticas, que no cobran 100K+ GEL al año + bonus, pero parece que todos no lo entendéis.
¿Dónde están? He buscado en todos los foros y monitores. He rastreado todos los foros y monitores, y nadie comercia con este patrón rentable. Y la historia lo muestra todo muy bien. A nadie le importa. Yo mismo lo he intentado, pero me sale flojo. Pero el hecho es que la trivialidad aporta más beneficios que los fondos de ***.
Soy testigo a diario de cómo alguien que utiliza un MT4 obsoleto con el correspondiente algo-TS primitivo genera un volumen de negocio de >5.000 millones de dólares al día en la cola, obteniendo un beneficio diario de más/menos unos cientos de dólares. La expectativa matemática es positiva. Más de un millón de dólares al mes, seguro.
¿Dónde están sus ***fondos que no pueden replicar este jardín de infancia, que dura (a juzgar por la historia) casi un año en real (incluso más en el probador)?
La estúpida estrategia primitiva da un mes más que sus "quants" durante años
¿Dónde están? He buscado en todos los foros y monitores. No veo este patrón rentable. Y la historia lo muestra todo perfectamente. A nadie le importa. Yo mismo lo he intentado, pero me sale flojo. Pero el hecho es que la trivialidad aporta algo más que ***-fondos.
Consulta el libro "quanta as wizards". En él, todos los matemáticos utilizan métodos cuantitativos, no fórmulas extravagantes. Hay médicos y profesores allí.
Entonces, ¿por qué no utilizan complicadas construcciones matemáticas? Porque probablemente no funcionen. El mercado no es lineal.
En mi opinión, utilizar el álgebra superior en el comercio es como poner un cuadrado en un redondo. Las matemáticas son ciertamente necesarias. Por ejemplo, el uso de la regresión lineal es obviamente un buen ejemplo de uso de las matemáticas en el comercio.
Afirmar que se gana dinero con el comercio... No, no lo es. Para ganar dinero con el trading no se necesitan matemáticas, en absoluto.
Todo lo que he ganado ha sido gracias a unas matemáticas tan tontas que cuesta creerlo. En cuanto hago algo complicado, pierdo inmediatamente.
Pero ni siquiera es mi propio ejemplo. Se trata de lo que he podido observar desde fuera. Es la primitiva la que obtiene un gran beneficio. En la cola, al menos.
En su día, el Bitcoin podía operarse con una simple estrategia de cruce de EMA. Esto funcionó hasta la quiebra de uno de los principales intercambios mtgox, en algún momento antes de la primavera de 2014, entonces se rompió. Y estoy seguro de que se podía operar en forex utilizando la misma estrategia de cruce de EMAs de hace décadas. Así que sí, los algoritmos primitivos funcionan muy bien a veces. Mi opinión personal es que los gráficos de los pares de divisas son casi aleatorios, muy ruidosos, pero al mismo tiempo obedecen a algunas leyes simples. El problema es que los gráficos de divisas como si tratara de deshacerse de los patrones encontrados en el tiempo, la gente más el comercio de la misma estrategia, más rápido va a dejar de funcionar. Si encuentras un patrón sencillo que nadie ha encontrado todavía, puedes ganar dinero.
En su día, el Bitcoin podía operarse con una simple estrategia de cruce de EMA. Esto funcionó hasta la quiebra de uno de los principales intercambios mtgox, en algún momento antes de la primavera de 2014, entonces se rompió. Y estoy seguro de que se podía operar en forex utilizando la misma estrategia de cruce de EMAs de hace décadas. Así que sí, los algoritmos primitivos funcionan muy bien a veces. Mi opinión personal es que los gráficos de los pares de divisas son casi aleatorios, muy ruidosos, pero al mismo tiempo obedecen a algunas leyes simples. El problema es que los gráficos de divisas como si tratara de deshacerse de los patrones encontrados en el tiempo, la gente más el comercio de la misma estrategia, más rápido va a dejar de funcionar. Si encuentras un patrón sencillo que nadie ha encontrado todavía, puedes ganar dinero.
Este hilo se ha llenado de haters. Esto no se aplica a usted.
Espero que sea posible discutir algo constructivamente.
Respondiendo a tu post, puedo estar de acuerdo y yo mismo he estado escarbando en el tema de los patrones a largo plazo y recurrentes desde hace tiempo.
Echa un vistazo a esto (es PR por supuesto, pero no el producto sino la idea en bruto): https://c.mql5.com/1/37/teaser2.JPG
¿Qué es? Es el resultado de la validación del aprendizaje automático sobre la predicción del signo de los incrementos de los precios de las divisas (divisas al contado regulares de la terminal). Dentro de la caja de bigotes hay 49 muestras, cada una de ellas con unos cuantos miles de observaciones. En concreto, los puntos muestran el nivel de precisión de la clasificación binaria para cada una de las muestras de validación.
¿Por qué hay tantas muestras? Provienen del mismo intervalo de tiempo de unos 5 años para 5 pares de divisas tomados en conjunto, es decir, 25 años en total. Pero en cada muestra las observaciones se toman en incrementos aleatorios grandes para que sean independientes entre sí. Y cada una de las muestras, independientemente de las demás, cubre periodos de tiempo dentro del periodo de validación.
La breve conclusión de este gráfico es que obtengo una precisión estable del 55% en el reconocimiento de signos para un horizonte de previsión de más de 30 minutos. Y se puede demostrar estadísticamente que este resultado no es aleatorio. Así pues, la máquina capta las dependencias a largo plazo en los datos de 5 años a 10 * 5 = 50 años de entrenamiento y pasa la prueba de validación. Todo esto, de nuevo, para 5 pares de divisas tomadas al mismo tiempo y la máquina no distingue entre ellas.
Otro pruf: https://c.mql5.com/1/36/charts-5-9.JPG
Esto ya es una regresión incremental para los mismos datos. Las mismas 49 muestras de validación y la métrica especificada = 1 - (MAE para las predicciones / MAE para la media de la muestra). Es decir, en cuánto reducimos el error absoluto con respecto a la media de la muestra (está muy cerca de cero). La estadística es lo suficientemente potente como para decir que el resultado no es aleatorio.
De nuevo, la máquina aprende patrones universales y estables.
Blog sobre este experimento: https://www.mql5.com/ru/blogs/post/661499
Pero no he conseguido una expectativa matemática positiva en puntos. Y ya dudo que pueda hacerlo. Quizás intente hacer modelos para cada par por separado. Si estas predicciones pueden aplicarse de alguna manera al comercio, es una gran pregunta para mí.
Su opinión será útil.
Este hilo se ha llenado de haters. Esto no se aplica a usted.