Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 316
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
http://radikal.ru/video/6X0MyhuW8Bp
Vídeo interessante. Qual é o objectivo?
Qual é o objectivo?
Em aglomeração.
A aprendizagem de máquinas pode ser chamada, grosso modo, de clustering. Existe um certo hiperespaço de preditores, e a necessidade de dividi-lo em vários subespaços, onde um ponto pertencente a um determinado subespaço (classe) significa para forex a ação de negociação - no caso de 3 classes - "comprar", "vender", "sair".
O vídeo demonstra claramente a aprendizagem sem professores em dois preditores (X e Y), a forma como o agrupamento automático altera os limites dos subespaços, dependendo da quantidade de dados. Com relação ao forex, esta metaforicamente mostra a duração do backtest, e como sua (duração) mudança afeta o resultado do clustering. Um modelo treinado em uma semana de dados vê e sabe muito menos do que um modelo treinado em duas, três, etc. semanas.
A segunda parte do vídeo mostra como o especialista avalia o resultado do clustering e faz ajustes no modelo. O especialista vê que as 3 classes obtidas não são suficientes e pode discernir pelo menos 6 classes, e então o especialista ajusta os parâmetros do modelo de acordo com sua experiência para que o modelo absorva com precisão essas 6 classes.
Isto é uma ideia geral. Na minha opinião, este passo é impossível no Forex, porque há dezenas de preditores e é difícil perceber mais do que três dimensões. Como eu entendo, esta etapa inclui experiência não na correção manual, mas na correção automática, quando a mudança de parâmetros do modelo é acompanhada de simulação de troca, onde o critério de parâmetros bem escolhidos é uma boa troca.
A aprendizagem de máquinas pode ser chamada, grosso modo, de clustering. Existe um certo hiperespaço de preditores e a necessidade de dividi-lo em vários subespaços....
E quem verifica a qualidade do código destas redes?
https://www.mql5.com/ru/forum/190948
Sim, ou é isto ou aquilo, mas não ao mesmo tempo.
Você precisa de pelo menos três pessoas - gerente, comerciante e desenvolvedor de software, uma equipe coesa, o gerente deve praticar a formação de equipes, o comerciante deve fazer a média, e o desenvolvedor deve usar medidores de projeto em todos os lugares e mesmo que um pratique programação em pares, então vai funcionar.Um arquivista também é necessário. E de lado...
Depois das minhas experiências em eurusd com padrões diferentes, parece-me que o preço é fortemente regulado de forma a trazer mais lucro aos corretores e bancos.
Uma situação típica - treinamos um modelo em algumas semanas de dados, e depois em novos dados obtemos apenas 50% de negócios lucrativos (aleatórios, na verdade), e uma perda lenta no spread.
Mas se experimentarmos modelos e tentarmos procurar padrões, veremos uma situação um pouco diferente - alguns padrões são rentáveis durante algumas semanas, e de repente caem para 50% do sucesso, ou seja, aleatório. Mas um ou dois meses depois eles trabalham novamente, mas é preciso negociar contra a sua previsão. E após algumas semanas a previsão deles vai para 50% aleatória novamente. E algures no futuro serão novamente lucrativos. Etc.
De tudo isso eu tenho a seguinte conclusão - os bancos definem os preços de acordo com seus programas, algoritmos. Estes programas mudam periodicamente, usam combinações diferentes deles, alteram os preços no sentido oposto ao que o seu programa sugere, etc., tudo isto para criar uma nova situação no mercado. Caso contrário, os seus algoritmos teriam sido descobertos e utilizados contra eles.
E, ao mesmo tempo, as pessoas com tehanálise ou aprendizagem de máquinas estão tentando procurar padrões que existem há muito tempo. E os padrões mudam ao estalar do dedo de alguém ou se contradizem, não admira que a negociação seja tão difícil.
Os modelos de trabalho têm de ter tudo isso em conta - e o facto de os padrões só funcionarem em determinados segmentos de tempo, por vezes na direcção oposta, e serem capazes de compreender a partir da situação actual qual o conjunto de padrões a utilizar.
Tudo é fútil?
Vejo que também aqui está a chegar gradualmente, embora devagar e com dificuldade, um entendimento de que
o mercado é um sistema dinâmico controlado.
Mas a realização deste facto obriga-nos a reconsiderar a forma como o vemos e descrevemos.
Depois vem o entendimento de que os métodos estatísticos não são métodos adequados através dos quais um modelo adequado do mercado pode ser construído e são adequados apenas para "falar" sobre caudas. Caudas mais finas ou caudas mais grossas.
;)
Depois das minhas experiências em eurusd com padrões diferentes, parece-me que o preço é fortemente regulado de forma a trazer mais lucro aos corretores e bancos.
Uma situação típica - treinamos um modelo em algumas semanas de dados, e depois em novos dados obtemos apenas 50% de negócios lucrativos (aleatórios, na verdade), e uma perda lenta no spread.
Mas se experimentarmos modelos e tentarmos procurar padrões, veremos uma situação um pouco diferente - alguns padrões são rentáveis durante algumas semanas, e de repente caem para 50% do sucesso, ou seja, aleatório. Mas um ou dois meses depois eles trabalham novamente, mas é preciso negociar contra a sua previsão. E após algumas semanas a previsão deles vai para 50% aleatória novamente. E algures no futuro serão novamente lucrativos. Etc.
De tudo isso eu tenho a seguinte conclusão - os bancos definem os preços de acordo com seus programas, algoritmos. Estes programas mudam periodicamente, usam combinações diferentes deles, alteram os preços no sentido oposto ao que o seu programa sugere, etc., tudo isto para criar uma nova situação no mercado. Caso contrário, os seus algoritmos teriam sido descobertos e utilizados contra eles.
E ao mesmo tempo as pessoas com tehanálise ou aprendizagem de máquinas estão tentando encontrar os padrões que existem há muito tempo. E os padrões mudam ao estalar do dedo de alguém ou se contradizem, não admira que a negociação seja tão difícil.
Os modelos de trabalho têm de ter tudo isso em conta - e o facto de os padrões só funcionarem em determinados segmentos de tempo, por vezes na direcção oposta, e serem capazes de compreender a partir da situação actual qual o conjunto de padrões a utilizar.
Tudo é fútil?
Eu não esperava tais pensamentos de uma pessoa sã :)
A Navalha de Occam: "Não faça entidades desnecessárias".