Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2731

 

É uma bagunça inimaginável: tudo está misturado - cavalos, pessoas.....


Podemos distinguir dois tipos de modelos

1. Baseados em ideias de aprendizado de máquina.

2. Modelos estatísticos, que são fundamentalmente mais usados nos mercados financeiros.


MO

Ao que me parece, todos os algoritmos de MO têm um objetivo: encontrar um certo número de padrões. Nesse caso, um padrão é uma string com um valor de professor e valores de recurso. Não há valor de linhas próximas umas das outras! O número de padrões desse tipo pode ser pesquisado na RF, e com cerca de 50 árvores o erro de ajuste muda muito pouco. Mais de 150 árvores não faz sentido. Essa é a diversidade dos mercados financeiros.

E devemos pensar sobre o tempo de vida dessas árvores, que (tempo de vida) é determinado pela estabilidade da conexão entre os recursos e o professor. Ou seja, devemos lidar com a conexão entre as características e o professor.

 

Os modelos estatísticos são modelos GARCH.

Pegue o pacote rugarch e aproveite a vida... Tudo é mastigado.


Em resumo.

Os modelos estatísticos baseiam-se no pressuposto de que os mercados financeiros não são estacionários. É por isso que todas as estatísticas comuns, incluindo os testes mencionados acima, vão para a cesta.

Portanto:

1. As séries financeiras são tendências, geralmente são feitos incrementos (muito bom para nós).

  • A relação entre as barras vizinhas é modelada usando o modelo ARIMA, - 5 barras é muito.
  • A não-estacionariedade remanescente após a detrendência é modelada
  • A distribuição da amostra é modelada em termos da forma da distribuição.


Há publicações de que os modelos IGARCH são os mais adequados para os mercados financeiros

 
СанСаныч Фоменко #:
Os modelos IGARCH são mais adequados para os mercados financeiros
Exemplos de uso?
[Excluído]  
É isso mesmo, existem apenas essas abordagens e suas variações.
 
СанСаныч Фоменко #:

Os modelos estatísticos são modelos GARCH.

Pegue o pacote rugarch e aproveite a vida... Tudo é mastigado.


Para resumir.

Os modelos estatísticos baseiam-se no pressuposto de que os mercados financeiros não são estacionários. Portanto, todas as estatísticas usuais, incluindo os testes mencionados acima, vão para a cesta.

Todos os modelos autorregressivos são algumas transformações de ruído branco. E se a transformação inversa não produzir ruído branco no final, o modelo também vai para a cesta. E o ruído branco é, antes de tudo, um processo estacionário.

Esse é um ponto muito importante nos modelos estatísticos - qualquer não estacionariedade modelada é baseada na estacionariedade, o que, na verdade, dá a possibilidade de estudá-la.

 
mytarmailS #:
Exemplos de uso?

O Google pode ajudar. Há uma enorme literatura.

 
Aleksey Nikolayev #:

Todos os modelos autorregressivos são algumas transformações do ruído branco. E se a transformação inversa não produzir ruído branco no final, o modelo também vai para a lixeira. E o ruído branco é, antes de tudo, um processo estacionário.

Esse é um ponto muito importante nos modelos estatísticos: qualquer não estacionariedade modelada é baseada na estacionariedade, o que, na verdade, dá a possibilidade de estudá-la.

Leia o Garch e não invente coisas

Arquivos anexados:
 
СанСаныч Фоменко #:

O Google em seu socorro. Há uma enorme literatura.

A pergunta é para você, não para o Google.
Você pode me mostrar um exemplo de que o Garch é melhor do que o Arima ou o Forrest....?
Você diz isso, então me mostre como você o comparou, por quais métricas, se você o comparou de fato ou se é apenas conversa, o que o Google tem a ver com isso?
 
mytarmailS #:
Pergunta para você, não para o Google.
Você pode mostrar um exemplo de que o garch é melhor que o arima ou o forrest....
Você diz isso, então me mostre como você comparou, por quais métricas, se você comparou de fato ou se é apenas conversa, o que o Google tem a ver com isso?

Não é você, é VOCÊ.

Sem mim, fale com sua própria espécie.

 

Nuance: a operação de "detrending" mata tudo o que é mais saboroso e interessante :-)

Mais precisamente, simplesmente não há nenhuma maneira razoável de remover tendências ou tudo que não seja tendência. Existem métodos para minimizar ou levar em conta as sazonalidades (flutuações diárias/semanais). Talvez as grandes personalidades tenham métodos para meses e trimestres.

O próprio conceito de "tendência" é tão vago que só existe na cabeça de quem está vendo o histórico realizado. Mas as tendências grandes/pequenas são negociadas.

----

Neste momento, na realidade objetivamente observada, há uma tendência óbvia de crescimento do dólar contra todos. Mais precisamente, de fato e por um longo tempo, isso está acontecendo. E é muito provável que hoje e amanhã ela acabe, porque é óbvia.

Ou seja, o fato do crescimento ocorre. Todos determinam o momento do início do crescimento de forma diferente e somente depois de um tempo considerável (alguém provavelmente acabou de esvaziar sua conta contra o quid, por isso percebeu).

Existe um método que determine a tempo "Oh! grande tendência... é necessário remover sua influência das pequenas"? E esse método não existe. Não sem olhar para frente.

----

A própria tarefa de negociação em um único instrumento é determinar a tendência no tempo. E há um beco sem saída aqui, "tendência" :-) não há nenhuma definição técnica geralmente aceita que possa ser reduzida ao nível de fórmulas e algoritmos (eles são basicamente apenas outra maneira de escrever fórmulas).

RESUMO: devemos prestar atenção à operação "detrending". Por um lado, não há como passar sem ela, mas, por outro lado, há muitas informações necessárias.