Обсуждение статьи "Квантовые вычисления и градиентный бустинг в торговле EUR/USD"

Новый комментарий
 

Опубликована статья Квантовые вычисления и градиентный бустинг в торговле EUR/USD:

Статья описывает практическую реализацию гибридной системы алгоритмического трейдинга, объединяющей квантовые вычисления (IBM Qiskit) и градиентный бустинг (CatBoost) для предсказания движения EUR/USD на часовом таймфрейме. Система извлекает четыре уникальных квантовых признака из вероятностного распределения по 256 состояниям через восемь кубитов, которые в комбинации с классическими индикаторами и дельта-кодированием временных категорий достигают точности 62% на 15,000 свечах.

Александр закрывает ноутбук в 2:37 ночи. На экране числа, которые выглядят, как приговор — accuracy 51.2%. Три месяца работы, сотни часов отладки, архитектура LSTM с 128 нейронами, три слоя, регуляризация, оптимизаторы последнего поколения. Результат едва отличается от подбрасывания монеты, а зарабатывать как-то нужно.

Он добавляет MACD. Затем RSI. Потом Bollinger Bands и Stochastic. Модель переобучается, точность падает до 47.8%. Он упрощает архитектуру — два слоя, 64 нейрона. Точность возвращается к 50.3%. Статистический ноль. Рынок смеётся над искусственным интеллектом.

В четыре утра приходит осознание: проблема не в архитектуре. Проблема в самой природе данных. Классические признаки смотрят назад. Они видят, что цена закрылась на 1.1050, но не видят, что в момент формирования этой свечи существовало распределение вероятностей — 30% шанс на 1.1060, 25% на 1.1040, 20% на 1.1050. Модель обучается на коллапсированных состояниях, а рынок живёт суперпозициями.

Автор: Yevgeniy Koshtenko

[Удален]  
А как можно применять законы квантовой механики к макрообъектам и даже не совсем объектам? 🙄 И кто такой Александр, Александр Шредингера? 😁
 
Maxim Dmitrievsky #:
А как можно применять законы квантовой механики к макрообъектам и даже не совсем объектам? 🙄 И кто такой Александр, Александр Шредингера? 😁
Я думаю тебе обязательно ответят

Не уходи далеко
 
Maxim Dmitrievsky #:
А как можно применять законы квантовой механики к макрообъектам и даже не совсем объектам? 🙄 И кто такой Александр, Александр Шредингера? 😁
Это скорее вероятностное многомерное кодирование через симуляцию квантовых схем. Александр - это литературный персонаж из статьи - собирательный образ трейдера. Не Шрёдингер)))И даже не его кот))) 
 
Спасибо за статью, очень интересно. А как вы сохраняете обученные модели? Интересно посмотреть как модель обученная на одной паре/таймфрейме поведет себя на другом рынке.
 
Запустил модель "как есть", получил точность ~60%. Полностью убрал квантовые признаки и вышло 61%. В общем, добротная catboost модель, но эти квантовые фичи сюда не к месту. Эти признаки линейно зависимы между собой, как минимум у Q_Variance и Q_Dominant коэфф в 1, Энтропия к этим обоим в -1. Хватило бы чего-то одного, как доп. фича для информативности. Хорошая познавательная статья, спасибо!
 
Беру свои слова обратно. Вот эта строчка превращает весь код в чушь. Модель учится предсказывать прошлое по будущему. Исправленная модель достигает 52% точности. Автор спал пока писал :D 
# Удаляем NaN и возвращаем данные
    data = data.dropna().reset_index(drop=True)
    data['target'] = target[data.index]
    
    return data.dropna().reset_index(drop=True)
 
Артем Резанов #:
Беру свои слова обратно. Вот эта строчка превращает весь код в чушь. Модель учится предсказывать прошлое по будущему. Исправленная модель достигает 52% точности. Автор спал пока писал :D
Добрый день. Изначально планировалось только обучение LLM - я полагал что она за счет сгенерированных диалогов, датасета именно в форме диалогов, увидит и обобщит закономерности без их запоминания.) Потом далее добавились слои в виде Qiskit / CatBoost) В новых статьях будет walk-forward режим, отдельный, я его уже написал, но некогда в статью оформить:)
Новый комментарий