Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2325
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
Olhei um pouco mais de perto - vejo que estava um pouco enganado. Eles fazem uma série de métricas deslizantes não lineares da série original (escrevem sobre dimensionalidade fractal e expoentes Lyapunov). Esta nova série que consideram (com base em observações práticas) semelhante à SB. E eles multiplicam esta série pelo método Monte-Carlo no futuro e tomam uma variante com a máxima aproximação ao conjunto inicial.
O segredo é uma transformação específica das séries iniciais em séries de métricas, e mais importante - a transformação inversa.
No conjunto, tudo isto parece suspeito (em primeiro lugar, o estilo de apresentação dos resultados) e não suscita grande desejo de estudo mais aprofundado da questão.
Também parece demasiado bonito e vago - algo não bate certo. Além disso, as séries são consideradas semelhantes em características estatísticas.
Por mais engraçado que seja para ti, é exactamente isso que estás a fazer...
Deixe-me explicar...
Eu queria dizer que seria bom criar um "conversor " de dados de mercado (não estacionário) em um modelo (estacionário, simplificado, demonstrativo, preservando a estrutura que precisamos) e este modelo pode ser representado como um modelo sinusoidal
Todos os cientistas do mundo o fazem para entender um processo complicado, construir um modelo, estudar o modelo, prever o modelo mas não o processo em si, é a prática mundial, todos o fazem, exceto os engenheiros com o mais baixo nível de treinamento que acreditam que a AMO fará tudo...
É um pouco mais claro o que você quis dizer. Não o tornou mais útil, é claro.
Só para começar - que quando você aceita citações, QUALQUER citação, e faz algo com elas, você já está lidando com um modelo, não com o próprio, como você coloca, processo complexo.
Bem, sobre o resto dos derivados de cotações, escusado será dizer)
O seu comentário pejorativo sobre MO-scholars fala mais sobre o seu baixo nível de treino.
Claro, não se tornou mais útil.
Nem eu, a propósito.
Só para começar - quando você aceita citações, QUALQUER citação, e faz algo com elas, você já está lidando com um modelo, não, como você diz, com um processo complexo em si.
Uau, obrigado... Alguém alguma vez alegou o contrário?
Sua referência pejorativa aos MO-ers fala mais ao seu baixo nível de treinamento.
Certo, right.....
============
E a seguir, você tem algo a dizer, ou devemos declarar o óbvio e fazer julgamentos subjetivos?
O que se segue, tem algo a dizer, ou estamos a afirmar o óbvio e a fazer julgamentos subjectivos?
Bem, o óbvio é que duas ou três ondas sinusoidais não conseguem sequer aproximar o preço adequadamente durante um longo período. OK, não concorda?
Bem, vamos também falar de modelos - tenho uma ideia - um modelo de mercado através de uma rede de jogadores.
Mais ou menos assim (vou tentar colocar em termos de MoD):
Existem N jogadores sujeitos, que são classificados de acordo com uma série de atributos - volume, frequência de transacções, tempo na posição, tendência para comprar-vender, acesso à informação e velocidade,agressão, etc.
O mercado (preço do instrumento) é modelado como o resultado da troca entre os jogadores sujeitos (taça simplificada). Há um ambiente que é um provedor de notícias regulares e eventos relativamente aleatórios aos quais os jogadores reagem, e o ambiente transmite informações entre os jogadores.
Espero que seja geralmente compreendido. Não me lembro de pesquisas-publicações semelhantes em termos de implementação de modelos, o que é compreensível porque os resultados práticos só podem ser alcançados com acesso a grandes dados reais.
Mas como modelo para a pesquisa, acho que é bastante adequado. Para interpretação em métodos de aprendizagem de máquinas - espaço para a criatividade, obviamente não podemos fazer com arquitecturas simples aqui, precisamos de desenvolver algo especial.
Bem, o óbvio é que duas ou três ondas sinusoidais não conseguem sequer aproximar o preço correctamente durante um longo período. OK, não concorda?
Bem, vamos também falar de modelos - tenho uma ideia - um modelo de mercado através de uma rede de jogadores.
Mais ou menos assim (vou tentar colocar em termos de MoD):
Existem N sujeitos, que são classificados de acordo com uma série de características - volumes, frequência de negócios, tempo na posição, tendência para comprar-vender, acesso à informação e velocidade,agressão, etc.
O mercado (preço do instrumento) é modelado como o resultado da troca entre os jogadores do assunto (taça simplificada). Há um ambiente que é um provedor de notícias regulares e eventos relativamente aleatórios aos quais os jogadores reagem, e o ambiente transmite informações entre os jogadores.
Espero que seja geralmente compreendido. Não me lembro de pesquisas-publicações semelhantes em termos de implementação de modelos, o que é compreensível porque os resultados práticos só podem ser alcançados com acesso a grandes dados reais.
Mas como modelo para a pesquisa, acho que é bastante adequado. Para interpretação em métodos de aprendizagem de máquinas - espaço para a criatividade, obviamente, arquiteturas simples não são suficientes aqui, e algo especial deve ser desenvolvido.
Modelos baseados em agentes? Há muitas coisas assim na ciência económica moderna. Na minha opinião, uma coisa boa para o entendimento filosófico do mercado.
Não tenho a certeza se esta abordagem (no sentido de criar estratégias comerciais) será de alguma utilidade prática.
Modelos baseados em agentes? Muito disso na ciência económica moderna. Acho que é bom para o pensamento filosófico do mercado.
Não estou certo da possibilidade de derivar qualquer utilidade prática desta abordagem (no sentido de criar estratégias comerciais).
Sim, descrições científicas econômicas e (intimamente) sociológicas de tais modelos há muito tempo atrás do instituto que me lembro. No que diz respeito ao comércio à luz das recentes realizações do MO, parece que a questão não é que ele não possa ser aplicado, e aqueles que têm recursos - não obterão o benefício apropriado com ele, eles são bons como são. Os entusiastas ainda não chegaram, eles vão digerir todos os tipos de GPT-3 e outras coisas inovadoras, e talvez alguém os alcance e designe algumas linhas de desenvolvimento nisto.
A outra dificuldade é que há muita irracionalidade no comportamento dos jogadores, especialmente em pontos chave das tendências, o que é difícil de modelar de forma confiável com os modelos atuais.
ap. Outro pensamento - que nem sempre é correto visar a previsão de movimento de preços, é tão primitivo. Podemos receber informações sobre movimentos de preços e tirar conclusões a longo prazo a partir delas.
Uma abordagem promissora parece ser a inferência causal. Este tópico é desenvolvido de forma bastante activa por grandes empresas de TI. Há bibliotecas.
Há artigos sobre o tema
Faça uma calculadora que percorra as opções e encontre a melhorSim, eu me lembro das descrições científicas econômicas e (de perto) sociológicas de tais modelos há muito tempo atrás do instituto. No que diz respeito à negociação à luz das recentes realizações do MO, parece que não é que você não pode aplicar, e aqueles que têm os recursos - não vão obter dele o resultado necessário, eles estão até agora tudo bem. Os entusiastas ainda não chegaram, eles vão digerir todos os tipos de GPT-3 e outras coisas inovadoras, e talvez alguém os alcance e designe algumas linhas de desenvolvimento nisto.
A outra dificuldade é que há muita irracionalidade no comportamento dos jogadores, especialmente em pontos chave das tendências, o que é difícil de modelar de forma confiável com os modelos atuais.
ap. Outro pensamento - que nem sempre é correto visar a previsão de movimento de preços, é tão primitivo. Você pode obter informações sobre o estado dos jogadores a partir da movimentação de preços, e já a partir daqui você pode fazer conclusões de longo prazo, constantemente atualizadas.
Na minha opinião, o principal problema reside na escolha da abordagem para descrever o comportamento dos maiores intervenientes no mercado - os estados. Eles (1) influenciam fortemente o mercado, (2) seu comportamento muda substancialmente no tempo, (3) seus objetivos de ação no mercado são muitas vezes fora do próprio mercado e pouco conhecidos por nós, (4) há muitos estados e eles podem interagir uns com os outros de maneiras muito diferentes (para o mercado). Matematicamente, o resultado é um sistema complexo, instável e aberto.
O problema não é que seja impossível pensar num modelo para tal sistema, mas sim que é possível pensar em muitos modelos diferentes e provavelmente até contrários uns aos outros nas conclusões).
Uma abordagem promissora parece ser a inferência causal. Este tópico é desenvolvido de forma bastante activa por grandes empresas de TI. Há bibliotecas.
Há artigos sobre o tema
Faça uma calculadora que percorra as opções e encontre a melhoresse é o outro lado da abordagem inicialmente. RCT em medicina para tudo e qualquer coisa, a propósito, matou técnicas médicas, não reproduzíveis placebos)))
A tarefa por comportamento ou condição é encontrar um nexo causal).
ap. Outro pensamento é que nem sempre é uma boa ideia prever os movimentos de preços, é tão primitivo. Você pode obter informações sobre o estado dos jogadores a partir do movimento de preços e fazer conclusões a longo prazo a partir daí, que são constantemente atualizadas.
É uma boa e correcta ideia. Apenas talvez não o estado dos jogadores, mas o estado das causas que afectam os jogadores. Embora talvez este seja apenas o próximo passo.