L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1475

 
Alexander_K:
Il y a quelques semaines, j'ai demandé pourquoi les modèles apprennent et négocient si bien sur vos ticks réels de 03_AUDCAD. La réponse que j'ai trouvée est la suivante.
Parce que la distribution des gains de prix est symétrique, et que cette distribution symétrique est préservée dans la fenêtre glissante.
C'est ce que j'ai besoin de réaliser sur le M15.
2018.04.16 22:43
Très intéressant. Je vais vérifier.
2018.04.17 00:31
2018.04.17 00:57
Il y a 10000 derniers incréments de prix sur les ticks réels de 03_AUDCAD.xls.
La ligne jaune est une moyenne mobile avec une fenêtre de 100. Presque parfaitement plat.
2018.04.17 00:58

Et voici l'EURUSD M1 pour comparaison. 10 000 derniers bars, pas d'éclaircissement. La moyenne est constamment sur le côté.

2018.04.17 01:04
2018.04.17 01:04

C'est l'une des dernières entrées que j'avais dans mon MP de Doc... Quelque chose m'a fait pleurer, en me rappelant les vieux jours....

Et quel est le critère selon lequel certains tics sont rejetés ? Ou le mot "éclaircissement" a-t-il un sens différent ?

 
elibrarius:
Avez-vous étudié l'AUDCAD, y compris le spread ? C'est énorme là-bas - environ 40-50 ppts. J'ai regardé le graphique - au cours des 100 dernières minutes, le prix n'est pas sorti de l'écart.

Oui.

Même si le modèle de Doc sur les tiques amincies donnait d'excellents résultats, le spread engloutissait presque tous les bénéfices. Il est donc passé à un éclaircissement supplémentaire, jusqu'à obtenir un événement (citation) environ une fois toutes les 15 minutes. Hélas, je ne sais pas ce qui s'est passé ensuite. Il a disparu... Peut-être tué comme Aliosha - qui sait...

Je me suis arrêté à cela et j'ai simplement appliqué les formules de la théorie des processus aléatoires aux BP obtenus.

 
Aleksey Vyazmikin:

Et quel est le critère par lequel certains des tics sont rejetés ? Ou le mot "éclaircissement" a-t-il un sens différent ?

J'ai été aminci par Erlang comme un simple flux d'événements. Il y a une série de citations à cocher, chaque 2ème citation en est écartée - nous l'étudions, elle ne correspond pas - donc chaque 3ème citation, etc. Jusqu'à ce qu'une série ayant certaines propriétés soit obtenue.

 
Alexander_K:

J'ai été aminci par Erlang. Il y a une série d'événements à cocher, chaque deuxième citation est rejetée - enquête, ça ne colle pas - donc chaque troisième, etc. Jusqu'à ce que la série avec certaines propriétés soit obtenue.

Supposons que nous venions de réinitialiser la distribution sur l'historique, que nous ayons trouvé la distribution souhaitable et puis quoi ? Si nous commençons à éclaircir à partir du deuxième tic et non du premier, nous devrons rejeter des données complètement différentes, n'est-ce pas ? Je ne comprends pas comment on peut l'éclaircir en temps réel à partir du point souhaité.

 
Aleksey Vyazmikin:

Disons que nous l'avons lancé dans l'histoire, que nous avons trouvé la distribution souhaitée, et puis quoi ? Après tout, si nous commençons à éclaircir non pas à partir du premier tic-tac mais du second, nous devrons rejeter des données complètement différentes, n'est-ce pas ? Je ne comprends pas comment cela peut être fait en temps réel à partir du point souhaité.

:))) Eh bien, ça m'a pris un an et demi pour le faire. Mais, sans éclaircissement, je ne sais pas du tout comment résoudre ce problème.

De plus, dans le cas de Doc, la NS prédisait stupidement un signe pour le prochain incrément, alors que j'ai obtenu un processus Ornstein-Uhlenbeck avec un retour à la moyenne.

 
Alexander_K:

Oui.

Même si le modèle de Doc sur les tiques amincies donnait d'excellents résultats, le spread engloutissait presque tous les bénéfices. Il est donc passé à un éclaircissement supplémentaire, jusqu'à obtenir un événement (citation) environ une fois toutes les 15 minutes. Hélas, je ne sais pas ce qui s'est passé ensuite. Il a disparu... Peut-être tué comme Aliosha - qui sait...

Je me suis arrêté à cela et j'ai simplement appliqué les formules de la théorie des processus aléatoires aux BP obtenus.

Mec... Je ne pense pas que ces blagues sur les docteurs soient encore drôles, étant donné qu'Aliosha est morte d'une mort violente, et probablement aussi Yura Reshetov. Et DR_TR, heureusement, est bien vivant, travaille pour un salaire de commis, fait les courses du patron, et ne pense même pas à tout ce cauchemar avec les marchés, du moins jusqu'à ce que la blessure spirituelle soit guérie, après avoir perdu environ trois kilobucks en crypto, et alors, j'en suis sûr, il reviendra rafraîchi et avec de nouvelles idées.

 
Alexander_K:
Il y a quelques semaines, j'ai demandé pourquoi les modèles apprennent et négocient si bien sur vos ticks réels de 03_AUDCAD. La réponse que j'ai trouvée est la suivante .
Parce que la distribution des gains de prix est symétrique, et que cette distribution symétrique est préservée dans la fenêtre glissante.
C'est ce que j'ai besoin de réaliser sur le M15.
2018.04.16 22:43
Très intéressant. Je vais vérifier.
2018.04.17 00:31
2018.04.17 00:57
Il y a 10000 derniers incréments de prix sur les ticks réels de 03_AUDCAD.xls.
La ligne jaune est une moyenne mobile avec une fenêtre de 100. Presque parfaitement plat.
2018.04.17 00:58

Et voici l'EURUSD M1 pour comparaison. 10 000 derniers bars, pas d'éclaircissement. La moyenne est constamment sur le côté.

2018.04.17 01:04
2018.04.17 01:04

C'est l'une des dernières entrées que j'avais dans mon MP de Doc... Quelque chose m'a fait pleurer, en me rappelant les vieux jours....

https://www.hindawi.com/journals/tswj/2015/909231/

The Lambert Way to Gaussianize Heavy-Tailed Data with the Inverse of Tukey’s h Transformation as a Special Case
The Lambert Way to Gaussianize Heavy-Tailed Data with the Inverse of Tukey’s h Transformation as a Special Case
  • Hindawi
  • www.hindawi.com
I present a parametric, bijective transformation to generate heavy tail versions of arbitrary random variables. The tail behavior of this heavy tail Lambert random variable depends on a tail parameter : for , , for has heavier tails than . For being Gaussian it reduces to Tukey’s distribution. The Lambert W function provides an explicit inverse...
 
Alexander_K:
Il y a quelques semaines, j'ai demandé pourquoi les modèles apprennent et négocient si bien sur vos ticks réels de 03_AUDCAD. La réponse que j'ai trouvée est la suivante.
Parce que la distribution des gains de prix est symétrique, et cette distribution symétrique est préservée dans la fenêtre glissante.
Je dois réaliser quelque chose de similaire sur le M15.
2018.04.16 22:43

J'ai déjà écrit à ce sujet, et expliqué que c'est un non-sens : .....

Il n'est pas nécessaire d'être un génie pour créer une série ayant de telles propriétés, il n'est pas nécessaire d'utiliser des transformations exotiques, etc. Il suffit de faire une double/triple différenciation de la série.....

Et oui !

1. Nous obtenons une série super stationnaire avec des gains symétriques et un glissement régulier.

2. Nous obtiendrons un retour permanent à zéro.

3. nous obtiendrons une excellente prédictibilité de ces séries par n'importe quel classificateur, supérieure à 90%.


Mais après avoir appliqué un tel signal au marché, nous serons écrasés à la première tendance, car après transformation inverse, ce signal ne vaut pas un sou !

Alors allez-y,Alexander_K

Justifier mon erreur par des preuves (une capture d'écran du commerce de quelqu'un d'autre sans surnoms n'est pas une preuve que vous avez raison).

Ou bien arrêtez de répandre ces bêtises dans les masses, certains pourraient même y croire...

J'attends avec impatience une discussion de fond.

 
mytarmailS:

Soit d'argumenter avec des preuves (une capture d'écran du commerce de quelqu'un d'autre sans pseudo ne compte pas comme preuve que vous avez raison).

Ou alors, arrêtez de répandre ces absurdités aux masses, certains pourraient y croire...

J'attends une conversation de fond.

Voici sa capture d'écran, le problème est que les drawdowns sont équivalents aux profits, ce graphique ne montre pas l'équité. La preuve de la méthode est donc très discutable, sauf votre respect.

Je suis d'accord sur les mouvements forts, mais il n'y en a pas eu dernièrement.
 
mytarmailS:

Mais en appliquant un tel signal au marché, nous serons écrasés dès la première tendance, car après transformation inverse, ce signal ne vaut pas un sou !

Alors allez-y,Alexander_K

Justifier mon erreur par des preuves (une capture d'écran du commerce de quelqu'un d'autre sans surnoms n'est pas une preuve que vous avez raison).

Ou bien arrêtez de répandre ces bêtises dans les masses, certains pourraient même y croire...

J'attends une conversation de fond.

Je n'ai pas besoin de dire quoi que ce soit. Ça vous ferait du bien ?

D'autant plus que le Doc a disparu et pour son travail je ne peux rien dire, sauf que j'ai vu son signal grandir, et puis bang - et il n'y a rien...

A propos de mon signal :

J'ai décrit tout ce que je pouvais dans la branche des conseils. Et à l'origine, tout était basé sur la réduction du flux de tiques. À proximité de la M1, de la M5 et de .... aucune formule de la théorie des processus aléatoires ne fonctionne. En fait, le bénéfice est de +0% comme sur SB. Sur des travaux de rangs amincis, non linéaires dans le temps. Je ne sais pas pourquoi cela fonctionne de cette façon et pas autrement.

Puis-je simplement coller des séries amincies dans NS et faire des bénéfices ? Cette question peut être répondue par Doc ... Mon opinion personnelle - non. J'ai dit ça à Maxim. NS devrait quand même connaître la théorie des processus aléatoires et dériver indépendamment la formule d'Einstein-Smoluchowski pour la variance des processus... Il est impossible de vaincre le génie humain de NS. IMHO. Je peux me tromper...

Mais, après tout, presque personne dans ce fil de discussion ne pré-traite les données d'entrée. Mais Warlock, il y a 1000 pages, a dit que c'est le plus important et cette étape est le plus grand mystère de tous les maîtres de l'IM. Et tu dois apprendre à écouter Koldun.