Обсуждение статьи "Выявление и классификация фрактальных паттернов посредством машинного обучения"
Чтобы избежать необходимости вести расчет в разных временных масштабах вероятно имеет смысл предварительно преобразовать котировки в ренко.
В академическом смысле - подход интересный (я б назвал более конкретно "зеркалирование", т.к. от фракталов, насколько я понял, в результате пришлось отойти и взять константную длину окна 100, на которой более красивый форвард), но имхо зависимости между прошлым и будущим в рядах котировок постоянно и неожиданно ломаются внешними силами.
ЗЫ. Опечатка: "установим в диапазоне от 15 до 30", должно быть до 300.
Чтобы избежать необходимости вести расчет в разных временных масштабах вероятно имеет смысл предварительно преобразовать котировки в ренко.
В академическом смысле - подход интересный (я б назвал более конкретно "зеркалирование", т.к. от фракталов, насколько я понял, в результате пришлось отойти и взять константную длину окна 100, на которой более красивый форвард), но имхо зависимости между прошлым и будущим в рядах котировок постоянно и неожиданно ломаются внешними силами.
ЗЫ. Опечатка: "установим в диапазоне от 15 до 30", должно быть до 300.
Пока не придумал, как учесть изменчивость фракталов во времени. Потому что МО начинает их просто запоминать, а на новых данных точно такие же не встречаются. При фиксированном окне изменчивость, видимо, меньше - меньше приходится запоминать :)
Со временем что-нибудь получится, потому что заранее не известно, что конкретно нужно делать.заранее не известно, что конкретно нужно делать
Был такой Джеймс Саймонс, он знал, что нужно делать.
Машинное обучение, ИИ это все замечательно.
Задачи машине ставит человек. Сознание человека, тем более его бессознательное, очень плохо изучены. Я уже не говорю о коллективном бессознательном. А ведь именно там, на мой взгляд, кроется разгадка функционирования рынков.
Не доводилось ли Вам, случаем, читать Ямвлиха и Рыбакова "Бронзовая птица"?
Был такой Джеймс Саймонс, он знал, что нужно делать.
Машинное обучение, ИИ это все замечательно.
Задачи машине ставит человек. Сознание человека, тем более его бессознательное, очень плохо изучены. Я уже не говорю о коллективном бессознательном. А ведь именно там, на мой взгляд, кроется разгадка функционирования рынков.
Не доводилось ли Вам, случаем, читать Ямвлиха и Рыбакова "Бронзовая птица"?
Эта статья про машинное обучение и фракталы. Статьи формируют коллективное бессознательное.
Я не только об этой статье. Статья неплохая, в рамках мейнстрима. Речь о другом.
"Пока не придумал, как учесть изменчивость фракталов во времени" - между тем, это ключевой параметр, определяющий результативность любого прогноза.
Причем это не только Ваша проблема, это глобальная проблема - изменение всех коэффициентов при переменных со временем.
Для того, чтобы понять сущность проблемы, надо подняться повыше, к переосмыслению исходных понятий. Например, бОльшая часть фракталов не самоподобна, 1 доллар 2000г не равен 1 доллару 2025г(то есть 1 не равен 1).
Еще можно много примеров привести, в социуме(экономике) преобладает распределение Парето, а не Гаусса, поэтому большинство статистических методов не применимы к анализу рынка и т.д.
Успех Саймонса подсказывает, что есть решение проблемы, только искать его надо в других местах.
Я не только об этой статье. Статья неплохая, в рамках мейнстрима. Речь о другом.
"Пока не придумал, как учесть изменчивость фракталов во времени" - между тем, это ключевой параметр, определяющий результативность любого прогноза.
Причем это не только Ваша проблема, это глобальная проблема - изменение всех коэффициентов при переменных со временем.
Для того, чтобы понять сущность проблемы, надо подняться повыше, к переосмыслению исходных понятий. Например, бОльшая часть фракталов не самоподобна, 1 доллар 2000г не равен 1 доллару 2025г(то есть 1 не равен 1).
Еще можно много примеров привести, в социуме(экономике) преобладает распределение Парето, а не Гаусса, поэтому большинство статистических методов не применимы к анализу рынка и т.д.
Успех Саймонса подсказывает, что есть решение проблемы, только искать его надо в других местах.
У него, вроде бы, про арбитраж. Многие арбитражные стратегии тоже перестают работать со временем.
Гильбертовы?
Вообще, детализированной информации о методах работы Саймонса практически нет, и это понятно. Но известно, что он ежегодно удваивал свой капитал, и к концу жизни его состояние оценивалось более 20 млрд.
Но дело не в нем, а в самой возможности найти формулу. Многомерные пространства - это сегодняшняя терминология для пифагорейских идей. Это очень глубокая тема. Мультифрактальность тоже можно рассматривать как некий примитивный аналог многомерного пространства, где вершины и графы - проекции на график скрытых движений. Если тема интересна для Вас, могу поделиться своими соображениями - наработками, но лучше в индивидуальной переписке.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Выявление и классификация фрактальных паттернов посредством машинного обучения:
В этой статье мы затронем интригующую тему фрактального анализа и прогнозирования рынков посредством машинного обучения. Это только первые шаги на пути к исследованию многообразных фрактальных структур, которые образуются на графиках финансовых котировок. Мы используем корреляцию для поиска паттернов и алгоритм CatBoost для классификации этих паттернов.
В первой статье мы подробно рассмотрели основополагающие аспекты мультифрактальной теории рынка. В ней мы говорили о том, что графики котировок способны образовывать некие повторяющиеся структуры, под воздействием внешней организующей их информации. Участники рынка создают сложную динамическую систему, которая имеет элементы памяти, которая принимает вид определенных рыночных симметрий (паттернов). Эти паттерны могут эволюционировать во времени, а могут повторяться. Благодаря самоподобию фрактальных рыночных структур, паттерны могут быть выражены в разных временных масштабах.
В данной статье будет предложен оригинальный подход для поиска и классификации фрактальных паттернов. Исследование будет проводиться на языке Python, с возможностью экспорта финальных моделей в терминал Meta Trader 5 в формате ONNX.
Автор: Maxim Dmitrievsky