Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1626
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
Неопределённость разная, а вероятность-то (там где она есть) - всегда вероятность)
В теории игр обычно пытаются свести игровую неопределённость к вероятностной. Например, посредством равновесия Нэша в смешанных стратегиях.
Для рынков основная проблема при переходе к вероятностным моделям - существенная нестационарность получающихся моделей.
все потому что представление информации на правильное..
С нестацыонарным процессом поступают как с стационарным меряют "линейкой-сантиметрами морскую волну"
нужно сначала преобразовать фрактальные структуры в одну размерность (нестацыонарное преобразовать в стацыонарноне), потом найти шаблоны/паттерны ,а потом уже статистика/вероятность
Так и я про тоже. Многие забывают одно очень Важное фундаментальное правило. Если задачу можно решить без помощи НС то нужно так и сделать. Из этого правила следует вывод что мы пилим данные математически до тех пор пока нам позволяет это сделать математика, как только математика станвоится безсильной тогда уже применяем НС. Другими словами входные данные должны быть максимально отфильтрованны, сглаженны, нормированы и т.д. МАТЕМАТИЧЕСКИ на столько на сколько это позволяет математика в принципе, и уже только потом начинаем применять НС. А не так что напихаем в НС барахла и будем ждать у моря погоды. Не так дело не пойдёт. И например использую 50 входных векторов я уже откинул всю лишную чатсь рынка которая будет являтся шумом при обучении и используя такое количество входов получаю модель 90-95% качества обучения, при этом по времени это 2 месяца на М5. Что было бы подай я весь этот участок в сеть. Да ниче. Получил бы модель гораздо худшего качества не пригодную для использования. А участок как был в два месяца что в первом что во втором случае, так и остался. Но результат другой.
Круто, что сказать, у меня более акураси 55% не выходило, если предсказывать будущее направление, без примеси прошлого. Вообще лучше считать не акураси, а кореляцию с будущим ретурном, это число говорят пропорционально Шарп-ратио, который получится(в зависимости конечно от торговых издержек). Корелляции в 3% достаточно для годового SR ~1 -1.5
Круто, что сказать, у меня более акураси 55% не выходило, если предсказывать будущее направление, без примеси прошлого. Вообще лучше считать не акураси, а кореляцию с будущим ретурном, это число говорят пропорционально Шарп-ратио, который получится(в зависимости конечно от торговых издержек). Корелляции в 3% достаточно для годового SR ~1 -1.5
Попробуй отфильровать вход математически и сократи тем самым обучающую выборку, без сокращения временного периода и качество НС увеличится уверен. Тем самым избавившись от не нужного шума который тупо математикой отсеивается. Опять же я написал значения обобщающей способности выдаваемое оптимизатором. Тоесть временной период тот же, но качество полученной сети будет лучше, что скажется на ООС. ИМХО
Это как простите?
все потому что представление информации на правильное..
С нестацыонарным процессом поступают как с стационарным меряют "линейкой-сантиметрами морскую волну"
нужно сначала преобразовать фрактальные структуры в одну размерность (нестацыонарное преобразовать в стацыонарноне), потом найти шаблоны/паттерны ,а потом уже статистика/вероятность
В случае существенной нестационарности правильнее говорить про мультифрактальность, поскольку фрактальные характеристики меняются со временем. Изменения эти также непредсказуемы как и все прочие.
Это как простите?
Ну скажем подавать не все минутки, а те у которых тело больше N-пунктов как пример. Тем самым Вы сократите количество данных НО не временной интервал выборки. И сетка Вам скажет спасибо.
Раз уж затронули эту тему в ообще скажу что последнее время я люто как помогаю сетке работать как раз таки по средством предварительной обработки. Скажем я сначала оптимизарую параметры самой Секвенты, получаю в принципе набирающую Секвенту. А сеть прошу сделать чтоб Секвента, которая и так набирает, набирать лучше. Тоесть командная игра. На половину Секвента набирает, в другую половину сетка, помогающая набирающей Секвенте набирать лучше. Так сказать не насилую НС, а всего лишь прошу её чуточку помочь и этой чуточки хватает сполна.
Всё это будет освещенно в видосе...
Ну скажем подавать не все минутки, а те у которых тело больше N-пунктов как пример. Тем самым Вы сократите количество данных НО не временной интервал выборки. И сетка Вам скажет спасибо.
Раз уж затронули эту тему в ообще скажу что последнее время я люто как помогаю сетке работать как раз таки по средством предварительной обработки. Скажем я сначала оптимизарую параметры самой Секвенты, получаю в принципе набирающую Секвенту. А сеть прошу сделать чтоб Секвента, которая и так набирает, набирать лучше. Тоесть командная игра. На половину Секвента набирает, в другую половину сетка, помогающая набирающей Секвенте набирать лучше. Так сказать не насилую НС, а всего лишь прошу её чуточку помочь и этой чуточки хватает сполна.
Всё это будет освещенно в видосе...
Ну скажем подавать не все минутки, а те у которых тело больше N-пунктов как пример
Идея верная, в теории, но на практике всё плохо. Тут предполагается что "информированные инвесторы"(институционалы, инсайдеры и тп.) должны как то явно иначе себя вести на рынке, например ипашить по рынку огромными ордерами, ставить непробиваемые "плиты" в стакане, колбасить серией одинаковых ордеров через равные промежутки времени и тп.. Тогда это поведение можно распознать и использовать. Может оно когда то и было так, отчасти, но не сейчас. Не говоря уже о OTC и даркпулах где в основном торгуются большие объёмы, все институционалы и близкие к ним организации, давно очень качественно маскируются под шум. Конечно нельзя скрыть вброс крупной ликвидности, но делается это очень витеевато и каждый раз по разному. Так что фильтрация нынче просто уменьшает данные, увеличивая вероятность подгонки.