Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1639
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
Eu concordo plenamente.
Já me perguntei muitas vezes sobre isso e acho que é necessário comparar os resultados de um sistema com o seu potencial em uma determinada área.
Eu estava pensando sobre isso hoje, como fazer melhor e mais universalmente. Imagino que o processo de aprendizagem consista em várias etapas, a primeira das quais é a marcação de amostras, e você pode marcá-lo com base em algumas estratégias de sinal. Estas estratégias devem ser primitivas mas ter potencial, por exemplo, a travessia de MA pelo preço gera um sinal de entrada na direcção de tal travessia ou vice-versa. Então o treino é apenas uma forma de filtrar sinais falsos. Se tal hipótese for aceite, podemos calcular quanto em termos percentuais essa filtragem é eficaz em cada intervalo de tempo. O mais simples seria calcular a precisão e a exaustividade da classificação relativamente à estratégia básica. Existem outras opções - métricas. Então podemos ver como a eficácia do modelo muda, mesmo que ele comece a perder dinheiro.
Também parece uma boa ideia construir um sistema baseado num conjunto completo de sistemas primitivos mas significativos. A completude significa que é possível escolher sistemas rentáveis a partir deste conjunto para qualquer cotação. O significado é mais ou menos o que se chama potencial. Então vou construir um portfólio a partir deste conjunto com pesos, dependendo do tempo.
Tenho alguma prática. Não notei nenhuma mudança no espaço de um mês desde o último treino, mesmo depois de o bitcoin ter sido fortemente perdido. A única coisa que o afeta é o período logo após o movimento manipulado dos ativos, durante este tempo o neurônio está completamente perdido e fala bobagens, quanto mais longe de tal tempestade, mais adequadas se tornam as previsões.
A prática geralmente mostra que "as árvores nunca crescem para o céu". Mais cedo ou mais tarde, o capital/balanço de qualquer EA/portfólio começará a diminuir consideravelmente e algo tem de ser feito a esse respeito.
É bastante desconcertante que o problema da não-estacionariedade seja quase completamente ignorado neste tópico. Por alguma razão, assume-se que os padrões encontrados no passado funcionarão no futuro, e se não funcionarem, então ocorreu o excesso de aprendizagem. Mas, é bem possível que alguns padrões simplesmente parem de funcionar com o tempo - gradualmente ou até mesmo por saltos e limites (por exemplo, como resultado de uma crise como a atual).
O problema que eu vejo é que os padrões IO são complexos e mal interpretados pelos humanos. Se começarem a ter um mau desempenho, é impossível distinguir (dentro dos modelos) a variante de sobre-aprendizagem da variante de não-estacionariedade. Na análise convencional, é sempre possível dizer: "mudança de tendência", "quebra de nível/canal", etc.
Mas acho que devemos ter em conta a "física" das citações de símbolos. A sua principal característica, na minha opinião, é a mudança, por vezes muito rápida e dramática, das características estatísticas de uma série cronológica. Neste sentido, seria razoável criar primeiro um classificador que classificasse a história em secções com características estatísticas semelhantes e lhes desse números de 1 a 20, digamos. E depois, para cada tipo de mercado semelhante, criar o seu próprio TS individual. Mas eu realmente não sei como fazer previsões para tal divisão de séries temporais em seções com características estatísticas similares.
Imho, é claro, mas na minha opinião devemos confiar na "física" das citações de instrumentos financeiros. A sua propriedade principal, na minha opinião, é a mudança, por vezes muito rápida e drástica, nas características estatísticas de uma série cronológica. Neste sentido, seria razoável criar primeiro um classificador que classificasse a história em secções com características estatísticas semelhantes e lhes desse números de 1 a 20, digamos. E depois, para cada tipo de mercado semelhante, criar o seu próprio TS individual. Mas como pensar em preditores para tal divisão de séries temporais em segmentos com características estatísticas semelhantes - não consigo realmente imaginar.
Eu normalmente me refiro a essas áreas como "estados de mercado". Cada estado pode ser combinado com um portfólio de sistemas primitivos. Suponho que algumas redes recursivas poderiam ser usadas para segmentar o mercado em estados e comparar portfólios com eles.
Onde será que vou encontrar uma miúda que entenda de redes neurais? Estava à procura de uma miúda que conhecesse coisas de redes neurais para poder cantar sobre tais tópicos depois do Johnnshpokhan. Acho que devíamos mudar-nos para a capital. É onde todos eles parecem estar concentrados.
Normalmente você tem que escolher entre johnanshpohan regular ou conversa interminável sobre assuntos altos.
Cada estado pode ser comparado com alguns portfólios de sistemas primitivos.
Tudo bem, a questão é que a série de preços não é contínua, mas sim por partes - dependendo da valatilidade, isto normalmente corresponde ao tempo de duração das sessões.
Assim, a esperança de treinar uma rede neural simplesmente deslizando-lhe uma série de preços tende para zero, imho
mas se dividirmos a série de preços pelo tempo das sessões e a treinarmos por -sessão, então perderemos a informação sobre overbought.... Então, mais uma vez o círculo está fechado? - nada funciona
Normalmente você tem que escolher entre johnanshpohan regular ou conversa interminável sobre assuntos altos.
Tudo bem, a questão é que a série de preços não é contínua, mas sim, em parte, contínua - dependendo da utilidade, normalmente corresponde ao tempo de duração da sessão.
então a esperança de treinar um neurônio simplesmente apresentando-o com uma série de preços tende a zero, imho
mas se dividirmos a série de preços pelo tempo das sessões e a treinarmos por -sessão, então perderemos a informação sobre overbought.... Então, mais uma vez o círculo está fechado? - nada funciona
Você pode se livrar das flutuações de volatilidade da sessão indo para um ziguezague ou renko, certo? Claro que a estrutura natural do tempo vai sofrer, mas você pode introduzir o tempo normal como um indicador definido para cada joelho/tijolo.
As flutuações da volatilidade da sessão podem ser eliminadas mudando para ziguezague ou renko, certo? É claro que a estrutura natural do tempo sofrerá, mas é possível introduzir o tempo normal como um indicador definido para cada joelho/tijolo.
Já perdi tempo com isso. Não só perco completamente a informação da OHLC, como também recebo um atraso de 2 vezes a altura do tijolo Renko - ele está muito atrasado.
O mesmo será provavelmente verdade para o ZigZag, mas eu não lidei directamente com isso.