L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2731

 

È una confusione inimmaginabile: tutto è mescolato - cavalli, persone.....


Possiamo distinguere due tipi di modelli

1. Basati su idee di apprendimento automatico.

2. Modelli statistici, che sono fondamentalmente più utilizzati nei mercati finanziari.


MO

A quanto pare, tutti gli algoritmi MO hanno un unico obiettivo: trovare un certo numero di modelli. In questo caso, un pattern è una stringa con un valore di insegnante e valori di caratteristica. Non c'è alcun valore di righe una accanto all'altra! Il numero di tali pattern può essere consultato in RF, da circa molto spesso con 50 alberi l'errore di fitting cambia di poco. Più di 150 alberi non hanno senso. Questa è la diversità dei mercati finanziari.

E dovremmo ragionare sulla durata di questi alberi, che (durata) è determinata dalla stabilità della connessione tra le caratteristiche e il maestro. Cioè dovremmo occuparci della connessione tra i tratti e l'insegnante.

 

I modelli statistici sono modelli GARCH.

Prendere il pacchetto rugarch e godersi la vita? Tutto viene masticato.


In breve.

I modelli statistici si basano sull'ipotesi che i mercati finanziari siano non stazionari. Ecco perché tutte le statistiche ordinarie, compresi i test di cui sopra, vanno nel cestino.

Pertanto:

1. Le serie finanziarie sono tedrending, di solito vengono presi degli incrementi (molto buoni per noi).

  • La relazione tra barre vicine viene modellata utilizzando il modello ARIMA, - 5 barre sono tante.
  • Viene modellata la non stazionarietà che rimane dopo il detrending.
  • La distribuzione del campione viene modellata in termini di forma della distribuzione.


Secondo alcune pubblicazioni, i modelli IGARCH sono i più adatti per i mercati finanziari.

 
СанСаныч Фоменко #:
I modelli IGARCH sono più adatti ai mercati finanziari
Esempi di utilizzo?
 
Esatto, esistono solo questi approcci e le loro varianti.
 
СанСаныч Фоменко #:

I modelli statistici sono modelli GARCH.

Prendere il pacchetto rugarch e godersi la vita? È tutto masticato.


Per riassumere.

I modelli statistici si basano sull'ipotesi che i mercati finanziari siano non stazionari. Pertanto, tutte le statistiche abituali, compresi i test sopra citati, vanno nel cestino.

Tutti i modelli autoregressivi sono trasformazioni del rumore bianco. E se la trasformazione inversa non produce rumore bianco alla fine, anche il modello va nel cestino. Il rumore bianco è innanzitutto un processo stazionario.

Questo è un punto molto importante nei modelli statistici: qualsiasi non stazionarietà modellata si basa sulla stazionarietà, il che dà la possibilità di studiarla.

 
mytarmailS #:
Esempi di utilizzo?

Google ci viene in soccorso. Esiste una vasta letteratura.

 
Aleksey Nikolayev #:

Tutti i modelli autoregressivi sono trasformazioni del rumore bianco. E se la trasformazione inversa non produce rumore bianco alla fine, anche il modello viene cestinato. Il rumore bianco è innanzitutto un processo stazionario.

Questo è un punto molto importante nei modelli statistici: qualsiasi non stazionarietà modellata si basa sulla stazionarietà, il che dà la possibilità di studiarla.

Leggete il Garch e non inventate nulla.

 
СанСаныч Фоменко #:

Google ci viene in soccorso. Esiste un'enorme letteratura.

La domanda è per voi, non per Google.
Puoi mostrarmi un esempio che dimostri che il Garch è migliore dell'Arima o del Forrest....
Lo dici tu, quindi mostrami come li hai confrontati, con quali parametri, se li hai confrontati affatto o sono solo chiacchiere, cosa c'entra google?
 
mytarmailS #:
Domanda per te, non per google.
Puoi mostrare un esempio di come garch sia migliore di arima o forrest....
Lo dici tu, allora mostrami come hai fatto il confronto, con quali parametri, se hai fatto il confronto o sono solo chiacchiere, cosa c'entra google?

Non sei tu, sei TU.

Senza di me, parla con quelli come te.

 

Nuance: l'operazione di "detrending" uccide tutto ciò che è più gustoso e interessante :-)

Più precisamente, non esiste un modo ragionevole per eliminare i trend o tutto ciò che non è trend. Esistono metodi per minimizzare o tenere conto delle stagionalità (fluttuazioni giornaliere/settimanali). Forse le grandi personalità hanno metodi per i mesi e i trimestri.

Il concetto stesso di "trend" è così vago che esiste solo nella testa quando si osserva la storia compiuta. Ma i grandi/piccoli trend vengono scambiati.

----

In questo momento, nella realtà oggettivamente osservata, c'è un'evidente tendenza alla crescita dell'USD contro tutti. Più precisamente, di fatto e da molto tempo, è in corso. Ed è molto probabile che oggi-domani sia finita, perché è evidente.

Cioè, la crescita di fatto ha luogo. Ognuno determina il momento dell'inizio della crescita in modo diverso e solo dopo un tempo considerevole (probabilmente qualcuno ha appena prosciugato il suo conto contro il quid, ecco perché se ne è accorto).

Esiste un metodo che determini in tempo "Oh! grande tendenza... è necessario rimuovere la sua influenza da quelle piccole"? E non esiste un metodo del genere. Non senza guardare avanti.

----

Il compito del trading su un singolo strumento è quello di determinare la tendenza nel tempo. E qui c'è un vicolo cieco, il "trend" :-) non esiste una definizione tecnica generalmente accettata che possa essere ridotta al livello delle formule e degli algoritmi (in fondo sono solo un altro modo di scrivere le formule).

SINTESI: dobbiamo prestare attenzione all'operazione di "detrending". Da un lato, non è possibile farne a meno, dall'altro, vi sono troppe informazioni necessarie.

Motivazione: