L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 156
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
2) bien oui... mais ce Sharpe 2-3 comment est-il calculé ? Comment les fonds calculent-ils, ou plutôt COMMENT déterminent-ils qu'il s'agit de l'estimation Sharpe réelle sur une transaction réelle ?
Le point est que sur les modèles, le Sharp est le rapport entre le rendement et le risque, il y a beaucoup de variations, ce qu'il faut compter comme rendement, comme le pourcentage de croissance stupide ou la régression de la dynamique de croissance, et le risque est le CKO ou le drawdown maximum, etc. Les différences ne sont pas fondamentales, mais si 2-3 étaient une réalité tout le monde serait milliardaire, dans le trading réel pour plusieurs raisons il sort beaucoup moins, même quand il est fait par une équipe de PhD. Mais cela a beaucoup à voir avec la capacité, si de nombreux modèles s'échangeaient pour 100 000 $ ou même jusqu'à 10 millions de dollars, la situation serait beaucoup plus agréable, mais cela ne permettrait même pas de rembourser les investissements et les salaires avec les primes des employés.
C'est le problème avec les modèles, le Sharpe est le rapport entre le rendement et le risque, il existe de nombreuses variations de ce qui est considéré comme un rendement, comme le pourcentage de croissance stupide ou la régression de la dynamique de croissance, et le risque est le CKO ou le drawdown maximum, etc. Les différences ne sont pas fondamentales, mais si le 2-3 était réel, tout le monde serait milliardaire, dans le trading réel, pour plusieurs raisons, le résultat est bien inférieur, même lorsqu'il est réalisé par une équipe de docteurs. Si de nombreux modèles se négociaient à 100 000 dollars ou même à 10 millions de dollars, la situation serait bien plus agréable, mais cela ne permettrait même pas de rembourser les investissements et les salaires avec les primes des employés.
Bon, d'accord.
Supposons que je ne classifie pas le gain par haut/bas, mais que je construise un modèle de régression. Donc R^2 ou une autre métrique déterministe (par exemple, une métrique d'écart absolu robuste) est bien.
En ce qui concerne l'information mutuelle - est-elle sans fondement ou existe-t-il des preuves solides que la métrique ne fonctionne pas de manière fiable ? J'ai des doutes.
Mise à jour : J'ai fait beaucoup de recherches sur les données synthétiques et réelles en utilisant l'information mutuelle. Si la dépendance est stationnaire, la métrique fonctionne bien partout. Si la dépendance est à la limite du bruit, la métrique peut montrer une dépendance nulle. Mais dans l'ensemble, je ne vois aucune raison pour laquelle il est moins performant dans les systèmes non linéaires multivariés que, par exemple, le F1. Vous pouvez le lire ici: https://habrahabr.ru/company/aligntechnology/blog/303750/
Mais lorsque j'ai classé un mouvement de prix incrémental, j'ai obtenu approximativement l'image suivante (pour 5 paires de devises ensemble, c'est-à-dire un modèle pour toutes) :
Il s'agit au moins de valeurs médianes de précision sur 50 échantillons en attente, de l'ordre de 57% au maximum. Pour les paires de devises individuelles, j'obtiens une précision médiane supérieure à 60 %. Cela ne concerne que les données de séries chronologiques.
Désolé, pas le temps de donner des preuves solides, les données du marché ne sont pas stationnaires et les dépendances ne sont pas linéaires, simulez par exemple un bruit fractal à 10 dimensions en 2d comme ceci : rouge une classe vert l'autre seulement en 10d.
Comme vous le voyez, il ne s'agit pas de dépendances gaussiennes : beaucoup d'"îles", etc. Eh bien, calculez alors quelle est l'efficacité de l'utilisation de l'information mutuelle ou de r^2 lors de l'ajout et du retrait d'une dimension, car la classification tombe. R^2 est généralement linéaire, dans le cas d'une hypersurface de séparation de topologie complexe et de nombreuses îles, tout est triste. Vous ne pouvez pas vous passer ici des critères statistiques classiques, vous pouvez les vérifier vous-même. Et s'il y a 100d ou 1000d de ce désordre ?
Désolé, je n'ai pas le temps de donner des preuves solides, les données du marché ne sont pas stationnaires et les dépendances ne sont pas linéaires, simulez par exemple un bruit fractal à 10 dimensions en 2d comme ceci : rouge une classe vert l'autre seulement en 10d.
Comme vous le voyez, les dépendances ne sont pas souvent gaussiennes, il y a des "îles" et ainsi de suite. Eh bien, calculez alors quelle est l'efficacité de l'utilisation de l'information mutuelle ou de r^2 lors de l'ajout et du retrait d'une dimension, car la classification tombe. R^2 est généralement linéaire, dans le cas d'une hypersurface de séparation de topologie complexe et de nombreuses îles, tout est triste. Vous ne pouvez pas vous passer ici des critères statistiques classiques, vous pouvez les vérifier vous-même. Que se passe-t-il s'il y a 100d ou 1000d de ce genre de désordre ?
Ce n'est pas prouvable...
Tu ne peux pas me comprendre. Je dis, je ne classifie pas, je construis un modèle de régression. Qu'est-ce que la classification a à voir avec ça... Je ne fais pas d'hyperplans. Je fais une modélisation conditionnelle de la valeur médiane de la cible et je mesure sa qualité par analyse des résidus. C'est toujours comme ça que ça se passe.
Si nous parlons de classification, alors l'exigence de normalité de quelque chose n'est pas nécessaire, par exemple, si la probabilité de quelque chose est proche de zéro. La non-linéarité et la multi-dimensionnalité ne sont que la portée de l'information mutuelle. Je ne pense pas que vous soyez tout à fait au courant de cette question...
10% est la charge de dépôt.
Si vous avez un dépôt de 1 000 $, vous le chargez de 10 % - vous ouvrez une transaction pour 100 $.
Maintenant, ATTENTION, selon l'effet de levier fourni par votre courtier/coach, vous pouvez acheter différents lots - 10 000 $ (1:100), 5 000 $ (1:50), 20 000 $ (1:200).
P.S. fuckerbaby........
Ne pas jurer dans un sujet léger...
Faisons le calcul.
Premier exemple. J'ai 500 $. Un microlot vaut 1000 $. J'ouvre une transaction avec un microlot (parce que les achats de montants plus importants ne rentrent plus dans la limite du risque inhérent) et utilise donc un effet de levier de 1:2. Comme le courtier me donne un effet de levier maximum de 1:100, je charge mon dépôt de 2% pour acheter 1000 $ / 100.
Deuxième exemple. Si j'ouvre 5 transactions, avec le même niveau de capital, je charge mon dépôt de 10 % et utilise un effet de levier de 1:10 (0,01 * 100000 * 5 / 500).
C'est-à-dire que l'effet de levier maximal fourni ne dépend que du pourcentage de la charge du dépôt et me donne la possibilité d'ouvrir la totalité de la coupe. L'effet de levier réel impliqué est à ma discrétion. Mais le minimum est de 1:2 pour mes investissements.
Tout est clair maintenant ?
Ne pas jurer dans un sujet léger...
Faisons le calcul.
Premier exemple. J'ai 500 $. Un micro lot coûte 1000 $. J'ouvre une transaction avec un microlot (parce que l'achat de montants plus importants ne correspond plus à la limite du risque inhérent) et utilise donc un effet de levier de 1:2. Comme le courtier me donne un effet de levier maximum de 1:100, je charge mon dépôt de 2% pour acheter 1000 $ / 100.
Si j'ouvre 5 transactions, avec le même niveau de capital, je charge le dépôt de 10 % et utilise un effet de levier de 1:10 (0,01 * 100000 * 5 / 500).
C'est clair maintenant ?
Vous utilisez le même levier que celui que vous offre la cuisine. Vous ne faites pas varier l'effet de levier (il est donné - une constante), mais le montant du capital que vous utilisez pour un effet de levier donné.
Encore une fois - quel effet de levier la cuisine vous donne-t-elle pour votre type de compte? 1:100 ?
Vous utilisez le même levier que celui que vous offre la cuisine. Ce n'est pas l'effet de levier que vous utilisez (c'est une constante), c'est le montant du capital que vous utilisez pour un effet de levier donné.
Encore une fois - quel effet de levier la cuisine vous donne-t-elle pour votre type de compte? 1:100 ?
Effet de levier maximal - oui, 1:100. Mais je ne l'utilise pas. Encore une fois.
Ce n'est pas probant...
Tu ne peux pas me comprendre. Je dis, je ne classifie pas, je construis un modèle de régression. Qu'est-ce que la classification a à voir avec ça... Je ne fais pas d'hyperplans. Je fais une modélisation conditionnelle de la valeur médiane de la cible et je mesure sa qualité par analyse des résidus. C'est toujours comme ça que ça se passe.
Si nous parlons de classification, alors l'exigence de normalité de quelque chose n'est pas nécessaire, par exemple, si la probabilité de quelque chose est proche de zéro. La non-linéarité et la multi-dimensionnalité ne sont que la portée de l'information mutuelle. Je ne pense pas que vous soyez tout à fait au courant de cette question...
Et bien, pourquoi pas une classification, prenons par exemple 1000 facteurs, un neurone profond avec bien par exemple 100 sorties qui donnent des probabilités de mouvements à la hausse/à la baisse d'un instrument donné à différents horizons temporels. Est-ce une régression ? La régression consiste à prédire le prix.
Vous pouvez utiliser des informations mutuelles, tandis que nous pouvons simplement examiner les facteurs et calculer le pourcentage d'influence de chacun d'eux sur la prévision finale, pour un modèle spécifique, ce qui est encore pire. googleNet en termes de sophistication. Nous n'avons pas besoin de régression, nous ne nous soucions pas de savoir exactement combien un actif vaudra, cela complique le modèle et n'a aucun sens, l'essentiel est que pendant N secondes il évolue dans la bonne direction avec une probabilité donnée.
L'effet de levier maximum est oui, 1:100. Mais je ne l'utilise pas. Je vais le répéter.
OK, si tu ne comprends pas les choses élémentaires, alors il n'y a pas de raison d'argumenter.
En bref, vous devez diviser votre intérêt au pourcentage du fonds spéculatif par environ 10.