Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2730
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Разные модели, но похожие, разные и не похожие чем отличаются? Точка бифуркации не обязательно приведет к смене модели, размечать одинаковые участки можно и визуально вручную, но предсказательной части в конце нет, по хорошему цель найти минимальную длину выборки, которая подтверждает состояние или соответствие модели.
Сложность модели, тут конечно же тоже противоречие, простая модель не опишет достаточно необходимый длинный участок, но будет повторятся, сложная может описать достаточно необходимый участок по длине, но может быть единственным в своем роде. Как всегда что то среднее нужно)))
Разные модели, но похожие, разные и не похожие чем отличаются? Точка бифуркации не обязательно приведет к смене модели, размечать одинаковые участки можно и визуально вручную, но предсказательной части в конце нет, по хорошему цель найти минимальную длину выборки, которая подтверждает состояние или соответствие модели.
Сложность модели, тут конечно же тоже противоречие, простая модель не опишет достаточно необходимый длинный участок, но будет повторятся, сложная может описать достаточно необходимый участок по длине, но может быть единственным в своем роде. Как всегда что то среднее нужно)))
Какая-то невообразимая каша: все смешалось - кони, люди..
Можно выделить два типа моделей
1. На идеях машинного обучения
2. На статистических моделях, которые принципиально шире применяются на финансовых рынках.
МО
Как мне представляется все алгоритмы МО имеют одну цель - найти некоторое число паттернов. При этом паттерн - это строка со значением учителя и значениями признаков. Не имеет никакого значения строки рядом! Количество таких паттернов можно посмотреть в RF, примерно с очень часто с 50 деревьев ошибка подгонки меняется крайне мало. Более 150 деревьев бессмысленно. Вот разнообразие финансовых рынков.
И рассуждать надо про величину жизни этих деревьев, которая (жизнь) определяется стабильностью связи между признаками и учителем. Т.е. заниматься надо связью признаков и учителя.
Статистические модели - это модели GARCH.
Берем пакет rugarch и радуемся жизни? все разжевано.
Если кратко.
Статистические модели исходят из предположения о НЕстационарности финансовых рынков. Поэтому летит в корзину вся обычная статистика, включая упомянутые выше тесты.
Поэтому:
1. Производится тедрендирование финансового ряда, обычно берутся приращения (для нас очень хорошо)
Есть публикации, что наиболее пригодными для финансовых рынков являются модели IGARCH
Статистические модели - это модели GARCH.
Берем пакет rugarch и радуемся жизни? все разжевано.
Если кратко.
Статистические модели исходят из предположения о НЕстационарности финансовых рынков. Поэтому летит в корзину вся обычная статистика, включая упомянутые выше тесты.
Все авторегрессионные модели являются некоторыми преобразованиями белого шума. И если обратное преобразование не даёт в итоге белый шум, то модель тоже летит в корзину. А белый шум - это прежде всего стационарный процесс.
Это очень важный момент в стат. моделях - любая моделируемая нестационарность основана на стационарности, что собственно и даёт саму возможность её изучения.
Примеры с использованием?
Гугл в помощь. Огромная литература.
Все авторегрессионные модели являются некоторыми преобразованиями белого шума. И если обратное преобразование не даёт в итоге белый шум, то модель тоже летит в корзину. А белый шум - это прежде всего стационарный процесс.
Это очень важный момент в стат. моделях - любая моделируемая нестационарность основана на стационарности, что собственно и даёт саму возможность её изучения.
Читаем гарч и не выдумываем
Гугл в помощь. Огромная литература.