Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2638
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
É melhor contar em peças padronizadas. O mesmo padrão de quebras (significativas para o trabalho) não são mais do que algumas centenas por ano. Eu lhe chamaria um número limite. Se você tentar tornar os padrões mais complicados - por exemplo, em pares de nós consecutivos que quebram, que também atendem a algumas condições - você pode obter dezenas destes padrões por ano. E isso não é suficiente.
Sim, eu concordo que os dados não são suficientes, é por isso que eu levo o máximo de histórico. Naturalmente, quanto mais exemplos, mais confiante é, em teoria, o resultado, mas é o que é.
Algo como um loop em todas as construções possíveis de um determinado tipo de padrão? Fez algo semelhante uma vez com as mesmas quebras de vértice. Em princípio, é possível chegar a algo, apenas a enumeração não será (no caso geral) iterativa, mas recursiva. Mais uma vez, a maioria dos padrões não faria sentido devido à complexidade e raridade. É provavelmente mais fácil coletar manualmente uma lista de padrões significativos e contorná-la em um loop regular, escolhendo o ideal.
Só preciso de uma ferramenta com uma métrica precisa para avaliar a tendência/distribuição/tipo de ondas ao longo do tempo para identificar qualquer tendência dentro delas. Quais são estas tendências, por exemplo:
- Se houve um resultado positivo após um padrão por muito tempo, um resultado negativo é mais provável quando um novo padrão emerge;
- O resultado é distribuído igualmente em todas as seções da amostra (como você divide corretamente as seções?);
- Se houver um resultado negativo durante muito tempo, é mais provável que ocorra um resultado positivo;
- Se não houvesse um padrão por muito tempo, é mais provável um resultado positivo/negativo quando ele aparece.
Basicamente, algo assim. É um corte estatístico, mas deveria ser em intervalos de tempo históricos, e minha pergunta é a melhor maneira de cortar esses intervalos (medir em intervalos diferentes, fazer um turno), de modo que a estimativa seria correta e expressa de preferência por algum coeficiente generalizado.
Sim, concordo que não há dados suficientes, e é por isso que eu levo o máximo de história possível. Naturalmente, quanto mais exemplos, mais confiante é o resultado, em teoria, mas o que existe lá.
Só preciso de uma ferramenta com uma métrica precisa para avaliar a tendência/distribuição/tipo de ondas ao longo do tempo para identificar qualquer tendência dentro delas. Quais são estas tendências, por exemplo:
- Se houve um resultado positivo após um padrão por muito tempo, um resultado negativo é mais provável quando um novo padrão emerge;
- O resultado é distribuído igualmente em todas as seções da amostra (como você divide corretamente as seções?);
- Se houver um resultado negativo durante muito tempo, é mais provável que ocorra um resultado positivo;
- Se não houvesse um padrão por muito tempo, é mais provável um resultado positivo/negativo quando ele aparece.
Basicamente, algo assim. A questão para mim é qual é a melhor maneira de cortar esses intervalos (medir em diferentes intervalos, fazer um turno) para fazer uma estimativa correta e expressar de preferência por algum coeficiente generalizado.
A solução mais simples é uma estatística que é calculada em algumas séries de testes. No comércio é geralmente mencionado no contexto da busca da dependência de um resultado comercial em relação ao anterior. Se alguma dependência/serialidade for perceptível, você pode tentar estudar sua estrutura. Aqui, provavelmente faz sentido olhar para as correntes Markov e usar como métrica algumas funções de suas matrizes de probabilidade.
Para os intervalos do histórico de fatiamento, eu geralmente uso um grande ziguezague. Provavelmente não é ótimo, mas é bastante simples e relativamente objetivo.
A coisa mais simples que você pode pensar é uma estatística que conta em algum tipo de teste em série. No comércio é normalmente referido no contexto de encontrar a dependência do resultado de um comércio em relação ao resultado de um comércio anterior. Se alguma dependência/serialidade for perceptível, pode-se tentar estudar sua estrutura. Aqui, provavelmente faz sentido olhar para as correntes Markov e usar como métrica algumas funções de suas matrizes de probabilidade.
Um pouco mais sobre as correntes Markov neste contexto.
Se estamos apenas falando de serialidade, podemos introduzir dois estados + e - que denotam a qualidade da realização de padrões. Assim, há quatro maneiras possíveis de passar de um padrão para o outro: "+"->"-", "+"->"+", "-"->"+ " , "-"->"-". As transições correspondem a quatro probabilidades (das quais apenas duas são independentes), que formam a matriz de probabilidade desta cadeia.
Se estamos falando do comprimento das séries, os estados terão que ser mais complicados. Por exemplo, podem ser pares (+,n) e(-,n), onde além da qualidade da realização do padrão, há n - número do padrão na série que o contém. Recebemos um número potencialmente infinito de estados, mas as transições possíveis (com probabilidade não zero) também são quatro: (+,n)->(+,n+1), (+,n)->(-,1), (-,n)->(+,1), (-,n)->(-,n+1). Também se revelarão quatro probabilidades (com duas independentes). A diferença é que agora a dependência destas probabilidades em relação ao comprimento n da série aparece (ou não). Podemos tentar expressar esta dependência através de algum coeficiente e usá-la como métrica necessária.
Boa tarde! Shalom! Nairamdal!
Vocês são todos grandes matemáticos, estou vendo.
Então, podemos fazer isso.
Por que você não estuda a integridade do mercado?
Todos nós sabemos que o mercado é um processo complexo, complexo a partir da palavra "complexo". O mercado é criado por muitos participantes com diferentes objetivos, tamanhos de bolsos, diferentes tendências...
Por exemplo, vamos construir uma simples tendência sinusoidal que o preço segue(em nosso modelo), vamos chamá-la de "tendência".
Um modelo de preço simples, fácil de entender e fácil de prever.
Agora imaginemos que algum comprador forte entrou em "nosso mercado" e fez fortes investimentos em "nosso mercado" por algum tempo.
como você pode ver, nosso belo modelo está um pouco quebrado...
Agora vamos imaginar que ao preço de, digamos, 99,2 alguém colocou um grande limite e comprou tudo o que lhe foi dado
Assim, obtemos uma curva do modelo de preço, mas mais próxima da realidade
Também para um realismo ainda maior acrescentaremos o ruído, por exemplo, o comércio de pequenos fabricantes ou criadores de mercado
É assim que se pode encarar o mercado como um processo complicado.
Agora é interessante refletir. Quando prevemos o preço, o que exatamente estamos prevendo? a tendência? o comprador do mercado? o comprador do limite? o barulho? ) e devemos prever tudo isso juntos?
25 novamente :) os princípios básicos da econometria foram embora. Não andar em círculos: você só pode prever ciclos e componentes sazonais em uma série cronológica