Discusión sobre el artículo "Predicción de tipos de cambio mediante métodos clásicos de aprendizaje automático: Modelos Logit y Probit"
Gracias, buen artículo interesante.
Imho, ya se puede tratar de utilizar los datos fundamentales en excursiones de un día. Esto no es en el sentido de criticar el artículo, sino como una forma de pensar. Me pregunto cómo se pueden "mezclar" adecuadamente los datos macroeconómicos con los datos de precios. El problema es su escasa variación, por ejemplo. Probablemente, la macroeconomía también pueda utilizarse de algún modo en el preprocesamiento de los precios: transición de los tipos de cambio nominales a los reales, por ejemplo.
En mi opinión, ya se puede intentar utilizar los datos fundamentales en las excursiones de un día. No se trata de criticar el artículo, sino de una forma de pensar. Me pregunto cómo se pueden "mezclar" adecuadamente los datos macroeconómicos con los datos de precios. El problema es su escasa variación, por ejemplo. Probablemente, la macroeconomía también pueda utilizarse de algún modo en el preprocesamiento de los precios: transición de los tipos de cambio nominales a los reales, por ejemplo.
La macroeconomía lleva incorporado un calendario de noticias: mezcle sus datos con los predictores.
Gracias, buen artículo interesante.
Imho, you can already try to use fundamental data on daytrips. Esto no es en el sentido de criticar el artículo, sino como una forma de pensar. Me pregunto cómo se pueden "mezclar" adecuadamente los datos macroeconómicos con los datos de precios. El problema es su escasa variación, por ejemplo. Probablemente, la macroeconomía también pueda utilizarse de algún modo en el preprocesamiento de los precios: transición de los tipos de cambio nominales a los reales, por ejemplo.
¿Por qué? Utiliza un modelo predictivo de clasificación que realiza predicciones. Cuenta correctamente lo que se introduce en el modelo. ¿ Qué está mal, entonces ? ¿ Que el modelo no puede superar una predicción ingenua ? No prometí eso )
"La imposibilidad de predecir los tipos de cambio utilizando métodos clásicos..."
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Predicción de tipos de cambio mediante métodos clásicos de aprendizaje automático: Modelos Logit y Probit:
Los investigadores de los mercados financieros siempre se enfrentarán a la difícil tarea de elegir un modelo matemático que les ayude a predecir el futuro comportamiento de los instrumentos comerciales. Hasta la fecha, se ha desarrollado un gran número de modelos de este tipo. Así que nos surgen las preguntas: ¿cómo no ahogarnos en toda esta variedad de métodos y enfoques? ¿Por dónde empezar? ¿En qué modelos es mejor centrarse, especialmente si estamos empezando a realizar predicciones con modelos de aprendizaje automático? Si intentamos reducir la tarea de la previsión a una simple respuesta a la pregunta "¿será mañana el precio de cierre superior al de hoy?", la opción lógica serían los modelos de clasificación binaria. Algunas de las más sencillas y utilizadas son la regresión logit y probit. Estos modelos pertenecen a la forma más común de aprendizaje automático, el llamado aprendizaje supervisado.
La tarea del aprendizaje supervisado, a su vez, consiste en enseñar a nuestro modelo a mapear un conjunto de entradas {x} (predictores o características) en un conjunto de salidas {y} (objetivos o etiquetas). En este artículo, solo pronosticaremos dos estados del mercado: la subida o la bajada del precio de un par de divisas. Así, solo tendremos dos clases de etiquetas y∊ {1,0}. Los predictores serán patrones de precios, es decir, incrementos de precios normalizados con un cierto desfase. Estos datos formarán nuestro conjunto de entrenamiento {x, y} sobre el que estimaremos los parámetros de nuestros modelos. El modelo predictivo basado en clasificadores entrenados se implementará como LogitExpert.
Autor: Evgeniy Chernish