ФорумРазделы

Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3732

Новый комментарий

Доброго времени суток. На запрос о применимости нейросетей в трейдинге, ChatGPT сообщил, что затея эта абсолютно бессмысленная, потому что нейросети могут быть полезны в задачах классификации изображений, обработки текста и т.п., где есть статичные данные и устойчивые структуры. Предсказание биржевых цен остаётся крайне сложной (невыполнимой) задачей, где «мусор на входе» , то есть произвольный набор каких-либо данных динамики, неизбежен, как и  неизбежен "мусор на выходе". Вообще ИИ полезен в смысле быстрого получения качественного обзора проблемы и попыток ее решения. 

Но, на мой взгляд, это не повод для отказа от работы с рынком. Надо просто копать глубже - изучать теорию хаоса, многомерные пространства, пространственно-временную симметрию и т.д. 

Inquiring #:

Доброго времени суток. На запрос о применимости нейросетей в трейдинге, ChatGPT сообщил, что затея эта абсолютно бессмысленная, потому что нейросети могут быть полезны в задачах классификации изображений, обработки текста и т.п., где есть статичные данные и устойчивые структуры. Предсказание биржевых цен остаётся крайне сложной (невыполнимой) задачей, где «мусор на входе» , то есть произвольный набор каких-либо данных динамики, неизбежен, как и  неизбежен "мусор на выходе". Вообще ИИ полезен в смысле быстрого получения качественного обзора проблемы и попыток ее решения. 

Но, на мой взгляд, это не повод для отказа от работы с рынком. Надо просто копать глубже - изучать теорию хаоса, многомерные пространства, пространственно-временную симметрию и т.д. 

Просто надо начать с философских основ:

1). Обучение - это передача знаний от одного объекта другому. 

2). Обучение - это НЕ исследование. Обучение - это НЕ получение, НЕ открытие новых знаний.

3). Обучать модель нужно "чему-то", а не " чему-то там".

4). Процесс получения знаний - это датамайнинг. Нужно копать именно в добычу знаний. И потом уже передавать эти знания машине с помощью обучения. 

5). Числовые данные на входе - это шифрование зашифрованного. Любое число на входе воспринимается моделью, у которой есть сумматор, как силовое воздействие на систему принятия решений. Но график цены - это не величины, а пространство геометрических координат. 

Поэтому, когда вы подаете цены на вход, как числа - вы наделяете их необоснованным силовым фактором. 
Когда вы подаете индикатор на вход, вы шифруете зашифрованное (шило на мыло). 
Когда вы производите предобработку - вы шифруете зашифрованное 2-ой раз. 
Когда вы нормализуете входящие значения - вы шифруете  зашифрованное 3-ий раз. 

Зануляя вход весами от деструктивных значений (по "мнению" модели в попытке обучения) модель убивает на корню весь поддиапазон деструктивного числа (когда рабочесть системы находится в разбросанных значениях, включая и числа, близкие к 0).

И чтобы "вытащить" этот поддиапазон и юзать его, нейросети добавляют(!) слоёв(!) и нейронов(!). 
А это провоцирует рост исполинского астрономического пространства весов, где "рабочий весовой сет" попросту никогда не найдётся в ближайшие 150 лет перебора значений гипер параметров. 

И обучение в этом аспекте - лишь рандомное прощупывание микроскопической части весового пространства, где поиск глобального дна - это самообман интерпретации результата. 

Ведь с исполинским весовым пространством найдётся любой сет, чтобы на беке показывать похожий рост, а на форварде показывать абсолютно рандомные результаты. 

То есть, даже попытка "вытащить" из зашумленных числовыми значениями входных данных рабочих поддиапазонов гарантированно и всегда приводит к переобучению. 

Отсюда шестая основа:

6). Никаких необоснованных чисел на входе. Только качественные пространственные геометрические признаки (и производные от них). 



Отход от этих базовых основ гарантирует вам "костыльные" результаты. 
Inquiring #:Надо просто копать глубже - изучать теорию хаоса, многомерные пространства, пространственно-временную симметрию и т.д. 

Будете? Или поговорили и забыли?

Надеюсь изучать будете не чат-болталку, а более достоверную информацию из учебников, статей, инструкции моделей МО. Практиковать.

Ivan Butko #:
Просто надо начать с философских основ:


6). Никаких необоснованных чисел на входе. Только качественные пространственные геометрические признаки (и производные от них). 


Я так понял, с принципом работы нейросетей Вы очень хорошо знакомы. Насчет "качественных пространственных геометрических признаков" у Вас есть какие-то качественные наработки, или это общие размышления?
Forester #:

Будете? Или поговорили и забыли?

Надеюсь изучать будете не чат-болталку, а более достоверную информацию из учебников, статей, описания параметров моделей МО. Практиковать.

Изучаю, практикую, ищу собеседников с похожими мыслями-проектами.

Вот собственно и подтверждение удалённого определения промптусов.

"Философия" вместо знания основ предмета из базовых учебников. Как в том анекдоте, где музыкант-металлист сыграл виртуозную мелодию в процессе неудачных попыток сыграть заданную ноту. 

Inquiring #:
Я так понял, с принципом работы нейросетей Вы очень хорошо знакомы. Насчет "качественных пространственных геометрических признаков" у Вас есть какие-то качественные наработки, или это общие размышления?
Конечно, в зачаточном состоянии. 

В моём представлении эта геометрия ломаной линии временного ряда включает в себя такие понятия как "информативность", "актуальность", "завершённость". 

То есть, в этих трёх понятиях лежит корень. 

Поэтому сюда же - фрактальность, самоорганизация (саморазметка), волновые уровни и тд. 

В конечной перспективе методами датамайнинга должно проводится форматирование графика цены, где изучаться будут самые последние волны общей структуры графика. 

То есть, микроструктура 10 лет назад сегодня НЕ актуальна. А вот макроструктура 10 лет назада может подтолкнуть к тектоническим сдвигам, что даст информацию модели о том, стоит ли повысить вероятнсоть сигнала или нет. 

Поэтому, сам факт наличия зависимости следующего значения котировки от предыдущего и отсюда - змеевидного движения цены (конкретной средней волатильности), порождающей направленные структурные движения разного порядка, уже говорит о том, что нельзя рассматривать информацию только с конкретного временного масштаба. 

Да сами таймфреймы - это уже один большой костыль. Разметка должна быть самоподобной. 
Aleksey Nikolayev #:

Вот собственно и подтверждение удалённого определения промптусов.

"Философия" вместо знания основ предмета из базовых учебников. Как в том анекдоте, где музыкант-металлист сыграл виртуозную мелодию в процессе неудачных попыток сыграть заданную ноту. 

"Обучение" в МО определяется очень просто. Это всего лишь присвоение параметрам выбранной модели конкретных числовых значений.

Нет здесь никакой "философии". Зато есть куча проблем с выбором алгоритма обучения и его настройкой. И есть огромная область науки (и отчасти искусства) о том, как решается эта самая куча проблем в конкретной предметной области (в нашем случае это трейдинг).

В случае трейдинга есть ещё проблема закрытости результатов исследований, поскольку никто в здравом уме не будет открыто делиться приносящими прибыль алгоритмами.

Ivan Butko #:
В моём представлении эта геометрия ломаной линии временного ряда включает в себя такие понятия как "информативность", "актуальность", "завершённость". 
Геометрия пространства - это очень серьезно. Но именно она дает понимание того, что происходит. Но для этого нужно знать, что такое пространство, что такое геометрия. Потом нужно узнать, что такое симметрия и т.д. Есть желание?
Ivan Butko #:
Разметка должна быть самоподобной. 
Самоподобны искусственные фракталы, природные(в том числе ценовые) не самоподобны.
1...372537263727372837293730373137323733373437353736373737383739...3747
Новый комментарий