L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1004
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
Compravo un altro prodotto da loro e non avevo problemi. Ma qui è iniziato.
Come valutano i venditori la situazione - tutto sta andando secondo i piani?
È tutto legittimo: chi fa dolcetto o scherzetto è destinato ad essere punito. SEMPRE.
È più un problema che quando compri qualcosa non sai come funziona, ma ti fidi... La questione della fiducia di base è ciao dall'infanzia(una buona infanzia) - opinione.
Per favore
La formula per calcolare l'errore è indicata nell'intestazione della tabella. Mi spiego sull'ultimo esempio nnet: 204/(204+458) = 30,8%, cioè il modello ha prodotto un totale di 662 unità, 204 delle quali erano false.
I risultati sono quasi gli stessi su 12 coppie di valute, cioè la performance del modello è quasi indipendente dal modello e dalla coppia di valute.
Questo risultato è ottenuto grazie ad un attento lavoro con predittori la cui capacità predittiva cambia molto poco quando si esegue una finestra di 500 candele su un file di 5000 candele. I cambiamenti sono entro il 5%.
PS.
Non posso ancora mostrare il tester - bloccato nell'applicazione del tester per i file oltre 1000 barre.
E cosa avete come obiettivo? Il segno ZZ?
Spinto dal desiderio feroce di far rivivere questo ramo, e tenendo conto che la previsione è possibile esclusivamente e solo su VR stazionario
(1. Kolmogorov A. N. Interpolazione edestrapolazionedisequenzecasualistazionarie
2.Wiener N.Estrapolazione, interpolazione e smoothing di serie temporali stazionarie)
domanda:
Infatti, il valore CLOSE[i]-OPEN[i] non è altro che la somma degli incrementi.
Una sequenza di tali valori dovrebbe, al limite, tendere a una distribuzione normale.
Ebbene, c'è l'opinione che la sequenza dei rientri (CLOSE[i]-OPEN[i])-(CLOSE[i-1]-OPEN[i-1]) sia una serie stazionaria.
Qualcuno ha provato una cosa del genere sull'ingresso NS e quali sono stati i risultati?
P.S. Max, Doc, Mishanya, Warlock, Alyosha... A chi stai lanciando questo thread? А?
1) Non dovrebbe. Per esempio, può avere molte distribuzioni marginali diverse.
2) Molto probabilmente sbagliato. Ti ho già dato il controesempio di vertex\done. La non stazionarietà non è "un bug, ma un chip" che appare come risultato dei market maker che si liberano degli "eccessi" della maggior parte dei trader.
Cosa avete come obiettivo? Il segno ZZ?
Incremento
ZZ può essere un fantastico insegnante di tendenza, ma non sono riuscito a trovare alcun predittore per questo insegnante - tutti danno un errore di circa il 50%E Kolmogorov, in generale, vedo, prestava particolare attenzione a B(k)=M[x(t)*x(t-to)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-to]-OPEN[i-to])] e rifiutava di prevedere qualcosa se questa funzione non era del tutto definita.
Forse ha senso porre certe condizioni al lavoro dei NS?
Diciamo, saltando pezzi instabili di BP, esplorando i secondi ritorni o B(k), per esempio?
Il modello ARIMA ha condizioni simili.
Si può insegnare il modello e anche fare un profitto su un grafico, ma se certe condizioni e requisiti non sono soddisfatti - non si può comunque fare trading con un tale modello. Il test di stazionarietà Dickey-Fuller è quello che ricordo.
In GARCH si osserva anche che la distribuzione dei rimpatriati previsti è simile ai dati originali.
Penso che molto di quello che vuoi fare è già implementato in questo modello.
Per quanto riguarda la neuronica - non puoi semplicemente ficcarci dentro qualche serie temporale, allenarla al massimo risultato e aspettare il profitto. Questo porterà a un "overfit" - il neurone memorizza semplicemente i dati esistenti, e non è in grado di lavorare adeguatamente sui nuovi dati. Dobbiamo regolare i suoi parametri di addestramento e a volte fermare l'addestramento e fare delle valutazioni incrociate per assicurarci che l'overfit non sia ancora arrivato.
Se tutto è fatto correttamente, l'addestramento si fermerà abbastanza presto quando R2 è un po' più alto di zero. Il grafico azionario mostrerà un profitto stabile sia sui dati di formazione che su quelli nuovi, ma lo spread che supera un paio di punti trasformerà tutto in negativo. Per una maggiore precisione si dovrebbero usare reti profonde e settimane per l'addestramento o scegliere diversi indicatori per alimentare i neuroni con le serie temporali.
E Kolmogorov, in generale, vedo, prestava particolare attenzione a B(k)=M[x(t)*x(t-to)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-to]-OPEN[i-to])] e rifiutava di prevedere qualcosa se questa funzione non era del tutto definita.
Forse ha senso porre certe condizioni al lavoro dei NS?
Diciamo, saltando pezzi instabili di BP esplorando i secondi ritorni o B(k), per esempio?
No, non funziona.
C'è una cosa buona sul mercato per l'ingegneria ficha - l'interconnessione delle fintech. Puoi creare strumenti simili ma leggermente diversi e osservare le distribuzioni tra loro. Ma tutti sono stanchi di estrarre caratteristiche da una BP :)
Aumentare
ZZ può essere un ottimo insegnante di tendenza, ma non sono stato in grado di trovare alcun predittore per questo insegnante - tutti danno circa il 50% di erroreZZ è uno strumento difficile da puntare, con esso è necessario preparare il campione in modo speciale, per non imbrogliare se stessi.
L'accuratezza "intorno al 50" è abbastanza normale, se si usano dati sferici, sopra il 53% si può fare trading, e in generale l'accuratezza per questo è una metrica di merda, può essere facilmente accuratezza ~50%+-1% e la correlazione degli incrementi previsti con il mercato è >5% (0,05) e questo è enorme, non un graal naturalmente, ma abbastanza per fare trading in un portafoglio con altre strategie. Usate la correlazione o R^2, o logloss se vi abituate alla non linearità
E tutti sono già stufi di estrarre caratteristiche da un BP :)
Dopo tutto, abbiamo a che fare con 2 flussi:
1. un flusso di eventi - tempo di apparizione di una nuova citazione (intervalli tra loro)
2. la serie dei prezzi stessa in questo flusso di eventi.
Oggi o domani cercherò di dimostrare (o smentire) che cambiando arbitrariamente i tempi di lettura delle quotazioni, la funzione di autocorrelazione, per esempio, si comporta diversamente in una stessa finestra temporale di osservazione mobile.
Dove sto andando a parare?
А! Il mio punto è che il "diradamento" di un flusso di eventi gioca un grande ruolo. Forse - una chiave. Aleshenka il figlio non mentirà. Ma, finché è tutto "nel processo"...
Tuttavia, abbiamo a che fare con 2 flussi, per così dire:
1. il flusso di eventi - il tempo di apparizione di una nuova citazione (intervalli tra loro)
2. la serie dei prezzi stessa in questo flusso di eventi.
Oggi o domani cercherò di dimostrare (o smentire) che cambiando arbitrariamente i tempi di lettura delle quotazioni, la funzione di autocorrelazione, per esempio, si comporta diversamente in una stessa finestra temporale di osservazione mobile.
Dove sto andando a parare?
А! Il mio punto è che il "diradamento" di un flusso di eventi gioca un grande ruolo. Forse - una chiave. Aleshenka il figlio non mentirà. Ma mentre è tutto "in progress"...
Quindi ha già ammesso di aver fatto fughe di notizie per anni, poi si è rimesso in gioco e ora non funziona per lui
Se ci fosse un vero modello per la trasformazione della BP, starebbe ancora funzionando. I racconti sul fatto che ora i mercati sono più efficienti e "una volta facevo grandi cose" non funzionano.
In realtà non c'è nessun altro da smascherare, non importa quanto duramente lo combattano :) Quindi Aleshenka è un cattivo proverbio, ne serve uno nuovo.