Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3714
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
Отбор, подбор, создание признаков - это уже другая тема. Не менее важная, но не всё же сразу.
Но если кто-то хочет рассказать про признаки, то лично я не против и всячески поддержу по мере возможности.
тема про МО хорошая и полезная, пожалуй up-ну :-)
---
а зачем все пытаются прогнозировать конкретно значения цен ? Нет, конечно понятно, что это кажется кратчайшим путём к золотому острову и личному самолёту .
Но есть вещи потенциально несущие значительную практическую пользу и способные дополнить классический ТА.
Например волатильность - она и привычными методами плюс-минус предсказуема, но этого плюс-минус нехватает.
Если MО сможет прогнозировать тиковый объём с хорошей точностью (но основе исторических цен, расписаний, текущего времени и информации про новости) то это очень-очень круто.
За 15 минут до начала евро-сессии видеть хороший прогноз до конца дня это почти мечта поэта.
По крайней хоть какой-то результат от всего маш-обучения. Кстати по сей момент публичных подтверждений эффективности MO в трейдинге нет.
а зачем все пытаются прогнозировать конкретно значения цен ? Нет, конечно понятно, что это кажется кратчайшим путём к золотому острову и личному самолёту .
Но есть вещи потенциально несущие значительную практическую пользу и способные дополнить классический ТА.
Например волатильность - она и привычными методами плюс-минус предсказуема, но этого плюс-минус нехватает.
Если MО сможет прогнозировать тиковый объём с хорошей точностью (но основе исторических цен, расписаний, текущего времени и информации про новости) то это очень-очень круто.
За 15 минут до начала евро-сессии видеть хороший прогноз до конца дня это почти мечта поэта.
По крайней хоть какой-то результат от всего маш-обучения.
Наверно нужно дополнить вопрос - зачем все на этом форуме пытаются прогнозировать конкретно значения цен ?
Так то немало моделей ищущих волатильность, начиная от GARCH и далее.
Ну а когда ищутся исключительно только цены (их приращения), то неявно используется допущение о постоянстве дисперсии, что конечно не всегда допустимо.
Кстати по сей момент публичных подтверждений эффективности MO в трейдинге нет.
А как же Медальон покойного ныне Саймонса? По общепринятой легенде они поднялись именно на МО.
А, ну да, они же забыли выложить свои алгоритмы в открытый доступ.
Хорошо что все фонды без МО выложили свои алгоритмы в открытый доступ и у нас есть убедительнейшие доказательства, что НЕиспользование МО гарантирует эффективность.
вероятностное машинное обучение
Плюсы вероятностного МО (ВМО) - модель может давать больше информации. Например, как сетовали выше, можно получать прогноз не только для среднего, но и для дисперсии. А для величин имеющих сильно негауссовское распределение (например высота колена зигзага) можно смотреть на форму распределения и на её отличие от того, какой она была бы при СБ.
Существенный минус ВМО - пропадает обычный подход обучения с учителем. Да и вообще оно гораздо сложнее стандартных подходов - приходится вникать в матан лежащий в основе.
В случае задачи классификации, как уже писал, подход ВМО не даёт ничего нового, если уже используются алгоритмы дающие вероятность принадлежности к классу. НО как уже писали в ветке ранее, переход к задаче классификации чреват проблемами с точки зрения смысла и торговой логики алгоритма.
Имхо, наиболее проработанная область, которую можно отнести к алгоритмам ВМО - это анализ выживаемости. Попробую в дальнейшем изложить своё имхо, как это можно попытаться прикрутить к трейдингу.
В анализе выживаемости изучается время работы какого-нибудь прибора до отказа (время жизни какого-нибудь организма). С математической точки зрения это означает всего лишь то, что изучается величина со значениями о нуля и больше. Касательно трейдинга, такой величиной будет, например, максимальное продвижение цены в сторону сделки за время от входа до выхода. Также подойдёт высота колена зигзага (минус минимальный шаг зигзага). А вот приращение цены не подойдёт, поскольку может быть разных знаков.
В анализе выживаемости вместо функции распределения величины строятся функция выживаемости, функция риска или куммулятивная функция риска. Но все эти функции выводятся из функции распределения и всегда можно из них обратно вывести функцию распределения.
Если (и когда) руки дойдут, приведу простейший пример использования подхода.
Если (и когда) руки дойдут, приведу простейший пример использования подхода.
Если (и когда) руки дойдут, приведу простейший пример использования подхода.
До практики в ближайшее время дойти не получается, поэтому пока небольшая порция теории.
В чём вижу смысл ВМО. Сошлюсь на подход из своей статьи про гэпы. Там искались отклонения распределения определённой величины (конкретно - максимальное продвижение цены в сторону противоположную закрытию гэпа). Следующий шаг - не просто смотреть на распределение величины, а на его зависимость от каких-либо предикторов (признаки, фичи).
Ну, ок, построили модель дающую распределение выхода по предикторам, а дальше что? Далее, если полученное распределение заметно отлично от того, что было бы при СБ, то это указывает на возможность торговли. И тогда по этому же распределению уточняем конкретные параметры алгоритма входа/выхода в данном конкретном случае. В вышеупомянутой статье по распределению определялось значения объёма и стоп-лосса, но они были одинаковыми для всех входов, а при использовании ВМО появляется вариативность.
Немного о том какую модель планирую использовать для обещанного простенького примера. Первым стандартным подходом к применению нейросетей в трейдинге обычно является модель, где бар предсказывается на основе предыдущих N баров. По аналогии с этим, планирую строить зависимость распределения высоты колена зигзага по предыдущим N коленам. В анализе выживаемости наиболее известна модель пропорционального риска Кокса, но в данном случае мне кажется лучше использовать параметрические модели.
Сразу скажу, что планирую лишь проиллюстрировать метод - от меня не будет никаких заявок на вступление в клуб трильонеров или стейтов на реале)
пожалуй зафорсю топик, заодно поделюсь полезной ссылкой https://link.springer.com/article/10.1007/s10959-022-01225-6 . Кому интересно, по заголовку в гугле да обрящет :-)
up
пожалуй зафорсю топик, заодно поделюсь полезной ссылкой https://link.springer.com/article/10.1007/s10959-022-01225-6 . Кому интересно, по заголовку в гугле да обрящет :-)
up