L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 262
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 necessario determinare i canali, ognuno si formerà i segni da solo, suggerisco una seconda "fetta" per i nostri futures: pinne al secondo bid, offerta, tick media al secondo, delta nel mucchio, il volume di acquisti e vendite, separatamente e cambiamento di interesse aperto, per le coppie di valute forex pinne bid, offerta, tick media, per gli indici esteri prezzo e cambiamento al giorno esempio in allegato.
La prima cosa da fare è trattare una o due righe, un paio di caratteristiche e un obiettivo su una piccola serie (1000-10000 campioni), e poi iniziare con 100500 caratteristiche e obiettivi.
Per esempio prendiamo Euro e Yen a Bx su un minuto con MT, poi aggiungiamo 2 -3 TRIX (RSI, Stocastico, ..., ecc.) come caratteristiche e ZZ come target e capiamo in dettaglio come (non) funziona e perché e come richiesto aggiungeremo serie, caratteristiche e target, godendoci la crescita del modello di performance, fino a quando non arriva a qualche limite. È sempre più facile scalare quando c'è un prototipo trasparente, ma non si può gestire con un mucchio di file in una volta, ci sono molti gradi di libertà, di regola, si finisce con la configurazione sconsiderata di un mucchio di parametri senza una chiara comprensione dell'essenza del processo.
Per prima cosa, dovresti occuparti di una o due righe, un paio di caratteristiche e un tag, su una piccola riga (1000-10000 campioni), e poi creare 100500 caratteristiche e tag.
Visto che abbiamo iniziato a condividere la saggezza, direi che la prima cosa che devi farti sono le seguenti domande
1) cosa guida il mercato
2) come può essere previsto
3) come combattere la non stazionarietà.
Ma per raggruppare tutti gli indicatori che non funzionano, e il MOE stesso non lo capirà, credete alla mia esperienza, nemmeno ..... (Inoltre, ho delle "caratteristiche" molto funzionanti, ma non posso ancora insegnare al MO a capire queste "caratteristiche")) Non posso nemmeno parlare di indicatori senza proprietà predittive
Mentre condividiamo la nostra saggezza, direi che la prima domanda da fare è
1) cosa guida il mercato in generale
2) come può essere previsto
3) Come combattere la non stazionarietà
Ma per raggruppare tutti gli indicatori che non funzionano, e il MOE stesso non lo capirà, credete alla mia esperienza, nemmeno ..... (Inoltre, ho delle "caratteristiche" molto funzionanti, ma non posso ancora insegnare al MO a capire queste "caratteristiche")) per non parlare degli indicatori che non hanno proprietà predittive
"Cosa spinge il mercato" - questi sono modelli dell'area tematica.
"Non stazionarietà" sono modelli di serie temporali.
Si tratta di due approcci che non si sovrappongono.
Si tratta di due approcci che non si sovrappongono.
E non li incrocio, ma per prevedere il mercato devi rispondere a queste domande, a meno che tu non sia un insider
Se usate modelli di serie temporali - perché avete bisogno di "cosa muove il mercato"?
Per i modelli di serie temporali tutte le informazioni di cui avete bisogno sono nel prezzo
Se usate modelli di serie temporali - perché volete sapere "cosa guida il mercato"?
Per i modelli di serie temporali tutte le informazioni di cui avete bisogno sono nel prezzo
Rispondere al perché un MO addestrato su unaserie temporale di mercato non si comporta adeguatamente su nuovi dati?
Cercando una risposta a questa domanda dovremo affrontare la questione "cosa guida il mercato" e risolvere il problema della non stazionarietà, insomma tutto quello che ho menzionato sopra, non è niente di nuovo
Perché un MoD addestrato su una serie temporale di mercato non si comporta adeguatamente su nuovi dati?
Cercando una risposta a questa domanda dobbiamo guardare in "cosa guida il mercato" e affrontare le questioni di non stazionarietà, in breve tutto ciò che ho menzionato sopra, niente di nuovo
Perché i dati non sono stazionari.
Che senso ha addestrare un modello su un pezzo di serie se le caratteristiche temporali della serie sono completamente diverse su un altro pezzo?
Perché i dati non sono stazionari.
Che senso ha addestrare un modello su un pezzo di una serie se le caratteristiche temporali della serie sono completamente diverse su un altro pezzo?
Beh, questo è vero, ma è solo metà del problema, è puramente un problema di non stazionarietà.
Ma c'è un'altra domanda - se i dati di mercato per fare statsionarnymi si scopre che comunque non possono prevedere, almeno da colpire, ecco la seconda domanda "cosa rende il mercato".
È vero, è vero, ma questo è solo metà del problema, è puramente una questione di non stazionarietà che viene risolta.
Ma c'è un'altra domanda - se i dati di mercato per fare statsionarnymi si scopre che comunque non sono prevedibili almeno a colpo d'occhio, ecco dove la seconda domanda "cosa guida il mercato" entra in gioco
E come si risolve il problema della non stazionarietà?
Personalmente l'ho risolto con dtw, ora ho trovato una cosa interessante con l'analisi spettrale, in particolare "SSA", anche se se sai come farlo, penso che Fourier o "PCA" faranno.
Vedete, non sto cercando di rendere il prezzo statsionarnaya, uso solo quei metodi che sono "immuni" da non-statsionarnosti