L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 155
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
È una stima empirica del guadagno di qualità di classificazione con - senza questo fattore, tutto è semplice, l'informazione reciproca e la determinazione nei sistemi multifattoriali non lineari funzionano in modo inaffidabile. E le cifre del 4-5% non sono un dogma, bisogna solo capire che usando "tutti i mercati" e i flussi di informazioni senza dinamiche del prezzo di un dato strumento si può prevedere il suo futuro per un orizzonte <5% peggiore, tutto qui. Cioè, se avete una probabilità di un minuto di prevedere il futuro rialzo di fronte al bene, per esempio il 70%, allora escludendo il prezzo della serie prevista dai dati per l'analisi si ottiene 70 - (70-50)*0,5 = 69% quasi nei limiti del rumore della differenza. Beh, naturalmente se si dispone di dati in tempo reale di tutti i mercati mondiali e non solo dei mercati, ma senza informazioni interne, e se solo il prezzo di uno strumento... ahimè, qualunque IA si sia creata, è più facile creare un terminatore che battere un mercato con tali dati.
Bene, ok.
Diciamo che non sto classificando il guadagno su/giù, sto costruendo un modello di regressione. Quindi R^2 o qualche altra metrica deterministica (ad esempio la metrica della deviazione assoluta robusta) va bene.
Per quanto riguarda l'informazione reciproca - è infondata o ci sono forti prove che la metrica funziona in modo inaffidabile? Ho i miei dubbi.
Aggiornamento: ho fatto molte ricerche su dati sintetici e reali usando le informazioni reciproche. Se la dipendenza è stazionaria, la metrica funziona bene ovunque. Se la dipendenza è al limite del rumore, la metrica può mostrare dipendenza zero. Ma nel complesso non vedo alcuna ragione per cui si comporti peggio nei sistemi non lineari multivariati rispetto, per esempio, alla F1. Potete leggere qui:https://habrahabr.ru/company/aligntechnology/blog/303750/
Ma quando ho classificato un movimento incrementale di prezzo ho ottenuto approssimativamente il seguente quadro (per 5 coppie di valute insieme, cioè un modello per tutti):
Cioè almeno valori di accuratezza mediana su 50 campioni pendenti nella regione del 57% al massimo. Per le singole coppie di valute raggiungo una precisione mediana superiore al 60%. Questo è solo su dati di serie temporali.
1) Questa non è una visione ingenua. È la direzione della ricerca. E non necessariamente una rete neurale. La tesi è questa: dai valori passati di una serie temporale di prezzi è possibile estrarre informazioni sufficienti per un trading redditizio (superando i costi) indipendentemente dall'orizzonte temporale del test a termine effettivo.
Posterò anche un paio di grafici su questo argomento. Attualmente sto preparando materiale per un articolo.
2) PS: Personalmente, tenendo conto di tutti i fattori che portano al sovrallenamento, e cercando di prendere il modello più conservativo e affidabile condizione, si scopre che più di 30-40% all'anno (con max drawdown 25%) non può spremere fuori. Ma supera già il rendimento mediano degli hedge fund. Tutto l'altro interesse cosmico presumibilmente ottenuto nel lungo periodo puramente sull'analisi tecnica delle serie temporali - è una bugia.
1) Certo che dobbiamo cercare ovunque, ho solo suggerito di usare più informazioni e solo quelle, e inoltre un trader affermato non può essere sviato, possiamo solo aggiungere informazioni al suo modello esistente.
2) i ritorni mediani anche degli hedge fund americani sono tristi al di sotto degli indici, i più tosti danno a malapena il 15-20% in media in 10 anni, anche se i modelli non sono autorizzati a fare trading con sharp* sotto 2-3 e naturalmente la capacità è di 10^6-9 dollari, secondo i calcoli tutti dovrebbero avere almeno il 20-30% ma....
1) Certo che bisogna cercare dappertutto, ho solo suggerito di usare più informazioni e solo, e inoltre un trader affermato non può essere sviato dal suo stesso percorso, si possono solo aggiungere informazioni al suo modello esistente.
2) i ritorni mediani anche i fondi hedge americani sono tristi sotto gli indici, i più ripidi appena 15-20% danno una media di 10 anni, anche se il modello non è permesso di commerciare con uno Sharpe* sotto 2-3 e naturalmente la capacità ci $10^6-9, i calcoli dovrebbero essere almeno 20-30% ma....
1) è sì
2) beh sì... ma questo Sharp 2-3 come viene calcolato? Come calcolano i fondi, o piuttosto COME determinano che questa è una vera stima di Sharpe su un commercio reale?
PS: Personalmente, con me alle prese con tutti i fattori che portano all'over-learning e cercando di prendere la condizione di modello più conservativa e affidabile, si scopre che è impossibile spremere più del 30-40% all'anno (con un drawdown massimo del 25%). Ma supera già il rendimento mediano degli hedge fund. Tutti gli altri interessi cosmici presumibilmente ricevuti nel lungo periodo puramente sull'analisi tecnica basata sulle serie temporali - è una bugia.
))) Esilarante!
Quanta leva avete su questi 30-40% all'anno?
))) Esilarante!
Quanto fa leva su questo 30-40% all'anno?
Carico massimo di deposito del 10% (1:10).
Beh, dovrei dire che a volte ho visto esempi di fare ancora di più per anni. Ma era o a mano o con i prelievi sull'orlo di un fallo.
Carico massimo di deposito del 10% (1:10).
Beh, devo precisare che a volte ho visto esempi di anni in cui si è fatto più di questo. Ma era o a mano o con i prelievi sull'orlo di un fallo.
Ragazzi c'è un'idea, vale la pena controllare, l'ho avuta molto tempo fa, volevo controllare ma non riuscivo a capire il pacchetto e in qualche modo l'ho dimenticato e abbandonato, ma qui ho letto il ramodi J.B e mi sono ricordato, risulta che anche lui ha fatto qualcosa di simile:)
Stiamo parlando di correlazione incrociata - possiamo calcolare quanto un BP è in ritardo rispetto all'altro BP e se c'è qualche connessione tra loro ...
L'essenza della mia idea era di monitorare simultaneamente un gran numero di coppie e costruire qualcosa come una matrice di correlazione incrociata per confrontare ogni coppia e trovare le coppie che si seguono l'un l'altra ma una rimane indietro e commerciare questo ritardo, poiché il mercato non ha nulla di più costante del tempo, penso che i calcoli dovrebbero essere fatti costantemente ad ogni nuova barra, per notare immediatamente quando appare una nuova relazione e anche per notare immediatamente quando questa relazione scompare ...
Si può prendere qualsiasi cosa, qualsiasi predittore, ma penso che l'approccio migliore sia a coppie, perché i market maker quando il prezzo del loro strumento è quasi sempre guidato da uno o un gruppo di altri strumenti, e gli indicatori classici difficilmente si adattano.
posso provare ad addestrare un neuronet usando predittori che cambiano dinamicamente, cioè tutto è limitato solo dall'immaginazione ...
Cercherei di implementarlo io stesso, ma sono occupato con un altro progetto e non voglio sputare il rospo
La funzione standard ccf() di cross-correlazione in P
è un pacchetto avanzato con suddivisione pre spettrale in livelli e poi controllo del crossover "wavemulcor". e si possono confrontare molti BP allo stesso tempo
Non sto parlando del caricamento dei depositi, sto parlando della leva - con che tipo di leva stai guadagnando quel 30-40% all'anno?
Oh, vedo che non capite cosa sia la leva. Ho specificato tra parentesi una leva di 1:10 al massimo (se diversi affari si rivelano sul mercato).
Il 10% è il carico del deposito.
Se hai un deposito di 1.000 dollari, lo carichi del 10% - apri un trade per 100 dollari.
Ora, ATTENZIONE, a seconda della leva fornita dal tuo broker/allenatore puoi comprare diversi lotti - $10.000 (1:100), $5.000 (1:50), $20.000 (1:200).
P.S. fuckerbaby........