L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2325
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
Guardando un po' più da vicino - vedo che mi ero un po' sbagliato. Fanno una serie di metriche non lineari scorrevoli dalla serie originale (scrivono sulla dimensionalità frattale e sugli indici di Lyapunov). Questa nuova serie che considerano (sulla base di osservazioni pratiche) simile a SB. E moltiplicano questa serie con il metodo Monte Carlo-like in futuro e prendono una variante con la massima vicinanza al set iniziale.
Il segreto è una trasformazione specifica delle serie iniziali in serie di metriche, e più importante - la trasformazione inversa.
Nell'insieme, tutto questo sembra sospetto (prima di tutto, lo stile di presentazione dei risultati) e non suscita molto desiderio di approfondire la questione.
Sembra anche troppo bello e vago - qualcosa non quadra. Inoltre, le serie sono prese simili nelle caratteristiche statistiche.
Per quanto sia divertente per te, è esattamente quello che stai facendo...
Lasciatemi spiegare...
Intendevo dire che sarebbe bello creare un "convertitore" di dati di mercato (non stazionari) in un modello (stazionario, semplificato, dimostrativo, conservando la struttura di cui abbiamo bisogno) e questo modello può essere rappresentato come una sinusoide
Tutti gli scienziati del mondo lo fanno per capire un processo complicato, costruire un modello, studiare il modello, prevedere il modello ma non il processo stesso, è la pratica mondiale, tutti lo fanno, tranne gli ingegneri con il livello di formazione più basso che credono che AMO farà tutto...
È un po' più chiaro quello che volevi dire. Questo non lo rendeva più utile, ovviamente.
Solo per cominciare - che quando prendi delle citazioni, QUALSIASI citazione, e fai qualcosa con esse, hai già a che fare con un modello, non con il molto, come lo metti tu, complesso processo.
Bene circa il resto dei derivati delle citazioni, inutile dirlo)
Il tuo commento dispregiativo sui MO-scholars parla più del tuo basso livello di formazione.
Naturalmente, non è diventato più utile.
Nemmeno io, a proposito.
Tanto per cominciare - quando prendi delle citazioni, QUALSIASI citazione, e ci fai qualcosa, hai già a che fare con un modello, non, come dici tu, un processo complesso in sé.
Wow, grazie... Qualcuno ha mai sostenuto il contrario?
Il tuo riferimento peggiorativo ai MO-ers parla più del tuo basso livello di formazione.
Giusto, giusto.....
============
E poi, hai qualcosa da dire o dobbiamo affermare l'ovvio e dare giudizi soggettivi?
Cosa c'è dopo, hai qualcosa da dire, o stiamo affermando l'ovvio e dando giudizi soggettivi?
Beh, l'ovvio è che due o tre onde sinusoidali non possono nemmeno approssimare correttamente il prezzo su un lungo periodo. OK, non sei d'accordo?
Bene, parliamo anche di modelli - ho un'idea - un modello di mercato attraverso una rete di giocatori.
Approssimativamente sembra questo (cercherò di metterlo in termini di MoD):
Ci sono N giocatori soggetti, che sono classificati secondo un certo numero di caratteristiche - volumi, frequenza degli scambi, lunghezza del tempo in posizione, tendenza a comprare e vendere, accesso alle informazioni e velocità,aggressività, ecc.
Il mercato (prezzo dello strumento) è modellato come il risultato dello scambio tra i soggetti (tazza semplificata). C'è un ambiente che è un fornitore di notizie regolari e di eventi relativamente casuali a cui i giocatori reagiscono, e l'ambiente trasmette informazioni tra i giocatori.
Spero che sia generalmente compreso. Non ricordo ricerche-pubblicazioni simili in termini di implementazione del modello, il che è comprensibile perché i risultati pratici possono essere raggiunti solo con l'accesso a grandi dati reali.
Ma come modello di ricerca penso che sia abbastanza adatto. Per l'interpretazione nei metodi di apprendimento automatico - spazio alla creatività, ovviamente non possiamo fare con semplici architetture qui, dobbiamo sviluppare qualcosa di speciale.
Beh, quello ovvio è che due o tre onde sinusoidali non possono nemmeno approssimare correttamente il prezzo su un lungo periodo. OK, non sei d'accordo?
Bene, parliamo anche di modelli - ho un'idea - un modello di mercato attraverso una rete di giocatori.
Approssimativamente è così (cercherò di metterlo in termini di MoD):
Ci sono N giocatori soggetti, che sono classificati secondo un certo numero di caratteristiche - volumi, frequenza degli scambi, lunghezza del tempo in posizione, tendenza a comprare e vendere, accesso alle informazioni e velocità,aggressività, ecc.
Il mercato (prezzo dello strumento) è modellato come il risultato dello scambio tra i soggetti (tazza semplificata). C'è un ambiente che è un fornitore di notizie regolari e di eventi relativamente casuali a cui i giocatori reagiscono, e l'ambiente trasmette informazioni tra i giocatori.
Spero che sia generalmente compreso. Non ricordo ricerche-pubblicazioni simili in termini di implementazione del modello, il che è comprensibile perché i risultati pratici possono essere raggiunti solo con l'accesso a grandi dati reali.
Ma come modello di ricerca penso che sia abbastanza adatto. Per l'interpretazione nei metodi di apprendimento automatico - spazio per la creatività, ovviamente, le architetture semplici non sono sufficienti qui, e qualcosa di speciale deve essere sviluppato.
Modelli basati su agenti? Ci sono molte cose del genere nella scienza economica moderna. Secondo me, una buona cosa per la comprensione filosofica del mercato.
Non sono sicuro che questo approccio (nel senso di creare strategie di trading) sia di qualche utilità pratica.
Modelli basati su agenti? Un sacco di questo nella scienza economica moderna. Penso che sia roba buona per il pensiero filosofico del mercato.
Non sono sicuro della possibilità di trarre qualsiasi utilità pratica da questo approccio (nel senso di creare strategie di trading).
Sì, descrizioni scientifiche economiche e (strettamente) sociologiche di tali modelli molto tempo fa dall'istituto che ricordo. Per quanto riguarda il trading alla luce dei recenti risultati del MO sembra che la questione non sia che non può essere applicato, e coloro che hanno risorse - non otterranno il beneficio appropriato da esso, sono buoni come sono. Gli appassionati non hanno ancora raggiunto, digeriranno ogni sorta di GPT-3 e altre cose rivoluzionarie, e forse qualcuno li raggiungerà e designerà alcune linee di sviluppo in questo.
L'altra difficoltà è che c'è molta irrazionalità nel comportamento dei giocatori, specialmente nei punti chiave di svolta delle tendenze, che è difficile da modellare in modo affidabile con i modelli attuali.
ap. Un altro pensiero - che non è sempre corretto puntare a prevedere il movimento dei prezzi, è così primitivo. Possiamo ricevere informazioni sul movimento dei prezzi e trarne conclusioni a lungo termine.
Un approccio promettente sembra essere l'inferenza causale. Questo argomento è sviluppato abbastanza attivamente dalle grandi aziende IT. Ci sono biblioteche.
Ci sono articoli sull'argomento
Creare una calcolatrice che passi attraverso le opzioni e trovi la miglioreSì, ricordo le descrizioni scientifiche economiche e (strettamente) sociologiche di tali modelli molto tempo fa dall'istituto. Per quanto riguarda il commercio alla luce dei recenti risultati del MO, sembra che non è che non si può applicare, e coloro che hanno le risorse - non otterrà da esso un ritorno adeguato, sono finora tutto bene. Gli appassionati non hanno ancora raggiunto, digeriranno ogni sorta di GPT-3 e altre cose rivoluzionarie, e forse qualcuno li raggiungerà e designerà alcune linee di sviluppo in questo.
Un'altra difficoltà è che c'è molta irrazionalità nel comportamento dei giocatori, specialmente nei punti chiave di svolta delle tendenze, che è difficile da modellare in modo affidabile con i modelli attuali.
ap. Un altro pensiero - che non è sempre corretto puntare a prevedere il movimento dei prezzi, è così primitivo. È possibile ottenere informazioni sullo stato dei giocatori dal movimento dei prezzi, e già da qui trarre conclusioni a lungo termine, costantemente aggiornate.
A mio parere, il problema principale sta nella scelta dell'approccio per descrivere il comportamento dei più grandi attori del mercato - gli Stati. Essi (1) influenzano fortemente il mercato, (2) il loro comportamento cambia considerevolmente nel tempo, (3) i loro obiettivi di azione nel mercato si trovano spesso al di fuori del mercato stesso e sono poco conosciuti da noi, (4) ci sono molti stati e possono interagire tra loro in modi molto diversi (per il mercato). Matematicamente, il risultato è un sistema complesso, instabile e aperto.
Il problema non è che è impossibile pensare a un modello per un tale sistema, ma che è possibile pensarne troppi diversi e probabilmente anche contrari l'uno all'altro nelle conclusioni).
Un approccio promettente sembra essere l'inferenza causale. Questo argomento è sviluppato abbastanza attivamente dalle grandi aziende IT. Ci sono biblioteche.
Ci sono articoli sull'argomento
Fai una calcolatrice che passa attraverso le opzioni e trova la miglioreQuesto è l'altro lato dell'approccio iniziale. L'RCT in medicina per qualsiasi cosa ha ucciso le tecniche mediche, non i placebo riproducibili)))
Il compito per comportamento o condizione è quello di trovare un nesso causale).
ap. Un altro pensiero è che non è sempre una buona idea prevedere i movimenti dei prezzi, è così primitivo. È possibile ottenere informazioni sullo stato dei giocatori dal movimento dei prezzi e fare conclusioni a lungo termine da lì, che sono costantemente aggiornati.
È un'idea buona e corretta. Solo che forse non è lo stato dei giocatori, ma lo stato delle cause che riguardano i giocatori. Anche se forse questo è solo il prossimo passo.