Discussão do artigo "Previsão de taxas de câmbio usando métodos clássicos de aprendizado de máquina: Modelos Logit e Probit"

Novo comentário
 

Novo artigo Previsão de taxas de câmbio usando métodos clássicos de aprendizado de máquina: Modelos Logit e Probit foi publicado:

Tentou-se criar um EA para prever cotações de taxas de câmbio. Como base para o algoritmo, foram adotados modelos clássicos de classificação, como regressão logística e probit. O critério de razão de verossimilhança é utilizado para filtrar os sinais de negociação.

Pesquisadores dos mercados financeiros sempre enfrentarão o desafio de escolher um modelo matemático para prever o comportamento futuro dos instrumentos de negociação. Hoje em dia, há uma enorme variedade desses modelos desenvolvidos. Por isso, surge a dúvida: como não se perder nesse mar de métodos e abordagens? Em quais modelos é melhor concentrar os esforços? Especialmente se você está apenas começando a prever com modelos de aprendizado de máquina. Se tentarmos simplificar o problema da previsão para uma resposta direta à pergunta “o preço de fechamento amanhã será maior que o preço de fechamento de hoje?”, então modelos de classificação binária seriam uma escolha lógica. Entre os mais simples e amplamente utilizados estão a regressão logística e a regressão probit. Esses modelos pertencem à forma mais comum de aprendizado de máquina, conhecida como aprendizado supervisionado.

A tarefa do aprendizado supervisionado consiste em ensinar nosso modelo a mapear o conjunto de entradas {x} (preditores ou características) para o conjunto de saídas {y} (alvos ou rótulos). Neste trabalho, vamos prever apenas dois estados de mercado: alta ou queda do preço de um par de moedas. Consequentemente, teremos apenas duas classes de rótulos y ∊ {1,0}. Como preditores, usaremos padrões de preços, mais precisamente os incrementos padronizados dos preços com certo atraso. Esses dados formarão nosso conjunto de treinamento {x, y}, com o qual avaliaremos os parâmetros de nossos modelos. O modelo de previsão baseado nos classificadores treinados foi implementado como o EA LogitExpert.


Autor: Evgeniy Chernish

 
Onde está a previsão, no sentido de obter um efeito melhor do que a negociação aleatória?
 
Stanislav Korotky #:
Onde está a previsão, no sentido de obter um efeito melhor do que a negociação aleatória?
Todas as perguntas para sua majestade, o mercado forex e a hipótese do mercado eficiente.
 

Obrigado, artigo muito interessante.

Na minha opinião, você já pode tentar usar dados fundamentais em viagens de um dia. Não se trata de criticar o artigo, mas de uma forma de pensar. Eu me pergunto como os dados macroeconômicos podem ser adequadamente "misturados" com os dados de preço. O problema é sua rara mudança, por exemplo. Provavelmente, a macroeconomia também pode ser usada de alguma forma no pré-processamento de preços - transição de taxas de câmbio nominais para reais, por exemplo.

 
Aleksey Nikolayev #:

Na minha opinião, você já pode tentar usar dados fundamentais em viagens de um dia. Não se trata de criticar o artigo, mas de uma forma de pensar. Eu me pergunto como os dados macroeconômicos podem ser adequadamente "misturados" com os dados de preço. O problema é sua rara mudança, por exemplo. Provavelmente, a macroeconomia também pode ser usada de alguma forma no pré-processamento de preços - transição de taxas de câmbio nominais para reais, por exemplo.

Há um calendário de notícias embutido na macroeconomia - misture seus dados em preditores.

 
Evgeniy Chernish #:
Todas as perguntas a sua majestade, o mercado forex e a hipótese do mercado eficiente.

O título é, portanto, enganoso.

 
Aleksey Nikolayev #:

Obrigado, artigo muito interessante.

Na minha opinião, você já pode tentar usar dados fundamentais em viagens de um dia. Não se trata de criticar o artigo, mas de uma forma de pensar. Eu me pergunto como os dados macroeconômicos podem ser adequadamente "misturados" com os dados de preços. O problema é sua rara mudança, por exemplo. Provavelmente, a macroeconomia também pode ser usada de alguma forma no pré-processamento de preços - transição de taxas de câmbio nominais para reais, por exemplo.

Obrigado, Alexey! Falando francamente, nunca me interessei pelos fundamentos, não porque eles não possam fornecer informações adicionais, mas simplesmente porque é impossível cobrir toda a vastidão. É por isso que ainda não estou olhando nessa direção.
 
Stanislav Korotky #:

O título é, portanto, enganoso.

Por quê? Ele usa um modelo preditivo de classificação que faz previsões. Ele conta corretamente o que é colocado no modelo. O que há de errado então? O fato de o modelo não conseguir superar uma previsão ingênua? Eu não prometi isso).
 
Evgeniy Chernish #:
Por quê? Ele usa um modelo preditivo de classificação que faz previsões. Ele conta corretamente o que é colocado no modelo. O que há de errado, então? Que o modelo não consegue superar uma previsão ingênua? Eu não prometi isso).

"A impossibilidade de prever taxas de câmbio usando métodos clássicos..."

 
Stanislav Korotky #:

"A impossibilidade de prever as taxas de câmbio usando métodos clássicos..."

Nem sequer me ocorreu que isso fosse impossível. Apenas fiz uma previsão e a verifiquei com a biblioteca python para verificar se havia erros. Talvez alguém adicione alguns filtros, seus próprios recursos, talvez outra pessoa faça melhor. E você imediatamente se depara com a impossibilidade.
Novo comentário