Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2527
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
Isto é muito mais interessante.
Talvez devêssemos abandonar a noção de que o mercado é uma série temporal e finalmente fazer um avanço na análise do mercado...
Um não interfere com o outro. A matemática financeira moderna é bastante compatível com as abordagens contínuas e discretas das séries temporais. O problema que vejo é que as aplicações concretas desta ciência não são bem afiadas para as necessidades do nosso trader.
não distorça: tentando discutir comigo, você ainda está falando sobre o seu próprio... só sobre a série cronológica... (e há muitas técnicas de amostragem envolvidas)...
O preço a longo prazo não é uma função do tempo, já fiz o meu argumento mais de uma vez (e não vou duplicá-lo)... Eu mostrei onde se pode obter autocorrelação em DL... e o que usar para X e Y e para modelar que dependências - também o escrevi pela 10ª vez - fica ao critério do desenvolvedor...
Não sou o criador do seu modelo - não preciso de provar o comportamento do preço ao longo do tempo... (talvez eu não devesse ter rabiscado no DL - todos aqui estão pensando em algo e refutando ou provando algo para alguém - tirando uma palavra de cada disciplina)... engenheiros que fazem MO (que não estão aqui) ainda vão entender a estreiteza do debate da auto-correlação (para o bem da conversa nerd) seja em tendência ou em carrapatos, se o modelo é construído num aspecto muito mais amplo e num horizonte mais amplo do conjunto de aprendizagem do que o horizonte onde as suas pulgas (auto-correlação) podem sair... É disso que se trata a Aprendizagem Profunda (para dar conta de tudo)
Sim, eu distorci as palavras através da minha própria experiência. Por favor, perdoe. Se eu ofendi.
A diferença é que no primeiro caso o ACF é considerado para todos os pares de momentos possíveis, enquanto no segundo caso um dos momentos é fixo t2=n e muitos pares de momentos( por exemplo, o par t1=1, t2=2) são desconsiderados. Em geral, o ACF é uma função de dois argumentos. Apenas para processos estacionários ACF pode ser considerado em função de um argumento t=t1-t2 (lag).
A ACF da amostra é sempre calculada a partir de uma amostra numérica específica (realização) de um processo e acaba sempre por ser uma função de um argumento (valor de atraso). Esta é a principal razão pela qual a amostra ACF de uma implementação SB não é uma estimativa para o seu ACF).
Não pense que ao calcular a ACF para um par de momentos t1 e t2 (deixet1 < t2 para ter certeza), estamos na verdade calculando aACF da amostrano comprimento da amostra n=t2e lag t2-t1. Para um observador no tempo t2, a série cronológica é representada por uma amostra de comprimento t2. O observador não sabe o que vai acontecer depois do tempo t2.
Para não ser completamente infundado, aqui estão as minhas observações sobre as verdadeiras autocorrelações do mercado:
Janela de observação para cada valor dos últimos 50 elementos, compensados por 1, 3 e 6 elementos, respectivamente.
O coeficiente de Pearson resulta de -1 a 1.
Na primeira tela desta análise, por exemplo, poderíamos dizer que na escala de uma vela havia uma autocorrelação estável negativa (um valor positivo é seguido por um negativo, e vice-versa)
Na escala de 3 castiçais era a mesma, mas menos estável no ponto de observação, e na escala de 6 castiçais havia uma mini-tendência.
E no segundo é bem diferente (repare nos números)
Mas é uma série temporal, que por alguma razão todos aqui não gostam, e em geral eu sei que sou estúpido e não entendo nada. Não quero ofender ou ensinar ninguém com esta captura de ecrã. Não o encorajo a fazer previsões com base em tais cálculos.
Não pense que ao calcular a ACF para um par de momentos t1 e t2 (deixet1 < t2 para ter certeza), estamos na verdade calculando aACF da amostrano comprimento da amostra n=t2e lag t2-t1. Para um observador no tempo t2, a série cronológica é representada por uma amostra de comprimento t2. O observador não sabe o que acontece depois do tempo t2.
No entanto, um observador nos momentos t3, t3>t2 pode estar interessado na correlação entre os momentos t1 e t2. E a sua fórmula ACF(t) =sqrt((n-t)/n) não permite que ele a calcule (basta substituir n por t3).
Se as séries fossem estacionárias, ACF(t1, t2)=ACF(t2-(t2-t1), t2)=ACF(t3-(t2-t1), t3), mas em geral a segunda igualdade não se mantém. Pode-se dizer que a não-estacionariedade aqui é a presença de dependência de qual ponto no tempo em que o seu observador está (tempo não homogêneo).
Como você pode fazer uma cooperativa, mas ainda ter seus próprios interesses no coração? Em teoria, o objetivo final (e potencialmente comum) é criar um sistema lucrativo. Alternativamente, todos poderiam trabalhar com um único dado. Aqui estão os dados de algum instrumento durante ~4 meses. Sabe-se que se pode obter o pagamento esperado > 7 nestes dados (a comissão é de 4,4, 5 dígitos). O sistema deve dar lucro para os 1,5 anos anteriores, mas sobre isso mais tarde.
Entretanto, um observador no tempo t3, t3>t2 pode estar interessado na correlação entre os tempos t1 e t2. A sua fórmula ACF(t) =sqrt((n-t)/n) não lhe permite calculá-la (basta substituir n por t3).
Se as séries fossem estacionárias, ACF(t1, t2)=ACF(t2-(t2-t1), t2)=ACF(t3-(t2-t1), t3), mas em geral a segunda igualdade não se mantém. Pode-se dizer que a não-estacionariedade aqui é a presença de uma dependência em relação ao momento em que o observador se encontra (não homogeneidade de tempo).
Mas é claro que não. Pois é! Um arqueólogo no tempo t3,t3 > t2 pode desenterrar registros antigos (por exemplo, em uma ânfora com 3 mil anos de idade) de SB de comprimentot2. E vai, por exemplo, querer calcular a correlação entre os momentos t1 e t2. E vai dar muito certo com minha fórmula: ACF(t) =sqrt((n-t)/n), onde n= t2, t=t2-t1. Exatamente porque, de fato, contará a ACF da amostraquando o comprimento da amostra for n=t2e lag t2-t1.Sinta que o momentot3 é introduzido artificialmente por si.
Mas não tem. Pois é! Um arqueólogo no tempo t3,t3 > t2 pode desenterrar registros antigos (por exemplo, em uma ânfora que tem 3 mil anos) de SB de comprimentot2. E vai, por exemplo, querer calcular a correlação entre os momentos t1 e t2. E vai dar muito certo com minha fórmula: ACF(t) =sqrt((n-t)/n), onde n= t2, t=t2-t1. Exatamente porque, de fato, contará a ACF da amostra quando o comprimento da amostra for n=t2 e lag t2-t1. Você sente que o momentot3 é introduzido artificialmente por você.
Em essência você chega à mesma função de dois argumentos, mas com uma descrição altamente artística do algoritmo do seu cálculo)
Momento t3 é bastante natural e você ainda precisa do momento t4, t4>t3, para o qual a previsão no momento t3 é construída)
Essencialmente, você chega à mesma função de dois argumentos, mas com uma descrição altamente artística do seu algoritmo de cálculo)
Momento t3 é bastante natural e você ainda precisa do momento t4, t4>t3, para o qual a previsão no momento t3 é construída)
Proponho considerar o fenómeno da ACF SB a partir das seguintes posições. Para a população geral de SB (amostras de comprimento infinito) ACF = const = 1. Para uma amostra de comprimento finito n, podemos obter uma estimativa deACF com um erro típico da ordem de 1/sqrt(n). É um erro desta ordem que dá uma estimativa de ACF(t) =sqrt((n-t)/n) = sqrt(1- t/n).
Proponho considerar o fenómeno do ACF da SB a partir das seguintes posições. Para a população geral de SB (amostra de comprimento infinito) ACF = const = 1. Para uma amostra de comprimento finito n, podemos obter uma estimativa deACF com um erro típico da ordem de 1/sqrt(n). É um erro desta ordem que dá uma estimativa de ACF(t) =sqrt((n-t)/n) = sqrt(1- t/n).
Isto não seria mais uma SB, mas um processo com constantes de realizações)
Eu faço uma contraproposta para terminar a nossa maravilhosa discussão antes que Kolmogorov e Wiener se levantem dos seus túmulos para nos bater com paus)