ФорумРазделы

Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2519

Новый комментарий
mytarmailS #:

Есть такой тип  прогноза на рынке как "перекрыте гэпа"

те целевая не зависит от времени, что то типа - "может сейчас, может после завтра, но цена будет выше/ниже этой текущей точки  с вероятностью 100% "

Что если найти такие паттерны которые могут прогнозировать с вероятностью 100% такие саобытия , да мы не знаем цена пробьет сейчас или через два дня , но если есть прогноз с вероятностью 100% и если цена не пробила сейчас , то это может быть хорошым ориентиром для торговли завтра/послезавтра..

С неопределённостью по времени смириться можно. Проблема всегда с неопределённостью того, сколько цена пройдёт в противоположном направлении до того, как придёт в прогнозную точку.

Например, в случае СБ, любая точка будет достигнута с единичной вероятностью, но это не даёт возможности заработать.

Aleksey Nikolayev #:

С неопределённостью по времени смириться можно. Проблема всегда с неопределённостью того, сколько цена пройдёт в противоположном направлении до того, как придёт в прогнозную точку.

Например, в случае СБ, любая точка будет достигнута с единичной вероятностью, но это не даёт возможности заработать.

Согласен, но знать что цена в течении недели точно будет на какой то цене с вероятностью 100% , это лучше чем не знать ничего верно? , хотябы понятно чего ждать, где стаить тейк

mytarmailS #:

Согласен, но знать что цена в течении недели точно будет на какой то цене с вероятностью 100% , это лучше чем не знать ничего верно? , хотябы понятно чего ждать, где стаить тейк

Ограничение по времени уменьшит вероятность.

mytarmailS #:

Есть такой тип  прогноза на рынке как "перекрыте гэпа"

те целевая не зависит от времени, что то типа - "может сейчас, может после завтра, но цена будет выше/ниже этой текущей точки  с вероятностью 100% "

Что если найти такие паттерны которые могут прогнозировать с вероятностью 100% такие саобытия , да мы не знаем цена пробьет сейчас или через два дня , но если есть прогноз с вероятностью 100% и если цена не пробила сейчас , то это может быть хорошым ориентиром для торговли завтра/послезавтра..

Если целевая не зависит от времени, то она как минимум должна учитывать жесткий СТОП иначе ожидая  прогноза можно не выдержать по просадке и целевая должна это учитывать! Чай не маленькие, разберетесь!!!!!
mytarmailS #:

Согласен, но знать что цена в течении недели точно будет на какой то цене с вероятностью 100% , это лучше чем не знать ничего верно? , хотябы понятно чего ждать, где стаить тейк

Ну да, ползадачи решено, остаётся вторая половина - где ставить стоп-лосс.

А в целом данное условие очень сильно подходит для ОПЦИОННЫХ стратегий, Вот где думаю классификация сможет показать себя во всей красе!!!! Благо и работать есть где по опционам!!!
Valeriy Yastremskiy #:

Ограничение по времени уменьшит вероятность.

Да, но всеравно можно находить паттерны в горизонте 3-5 дней с 100% вероятостю срабатываня(я проверял)

Aleksey Nikolayev #:

Ну да, ползадачи решено, остаётся вторая половина - где ставить стоп-лосс.

Это не ТС , просто идея

Aleksey Nikolayev #:

О, кто к нам пожаловал) Вы ведь уже знаете как посчитать АКФ СБ? В отличие от смартлаба, забанить меня за этот вопрос у вас здесь не получится)

Здравствуйте Алексей, а я могла бы ответить на Ваш вопрос без спроса? Просто я очень много читала как Вы его спрашиваете, и не выдержала, потому что решение показалось мне очень простым.

Я создала нормализованную серию чисел из случайных значений ( 1 или -1).

И классический биржевый график из нее, путем суммирования всех предыдущих значений для текущей точки.


Тогда для нормализованной серии автокорреляция будет стремиться к нулю.

А для серии биржевого графика автокорреляция будет стремиться к единице.


Но лишь при достаточной длине серии, при серии из 100 000 чисел я получала результаты как:

0.0010599888334729966 (нормализованные данные)

0.9999708433220806 (не нормализованные)

При серии из 100 чисел:

0.018773466833541926

0.9367627243658354

Из 10:

-0.4999999999999999 (эти значения меняются при каждой новой серии случайно)

-0.14285714285714285   (эти значения меняются при каждой новой серии случайно)


Это только частные случаи, но как видно, при малом размере серии она может демонстрировать автокорреляцию в очень широких случайных пределах.

При этом эта автокорреляция не является свойством процесса, генерирующего данные (в котором никакой автокорреляции нет), что затрудняет измерения и оценку процесса в этом случае.

Я прикреплю свой код на языке Python ниже, если кто-то вдруг захочет проверить вычисления.

import numpy as np
import random

def autocorr(x, t=1):
    return np.corrcoef(np.array([x[:-t], x[t:]]))[0][1]

SB_numbers = []
for i in range (1, 100000):
    r = random.randint(0, 1)
    if r == 0:
        r = -1
    SB_numbers.append(r)
#print(SB_numbers)
    
SB_time_series = []
price = 0
for el in SB_numbers:
    price = price + el
    SB_time_series.append(price)
#print(SB_time_series)
    

    
print('numbers autocorr:',autocorr(SB_numbers, 1))
print('time_series autocorr::',autocorr(SB_time_series, 1))
LenaTrap #:

Здравствуйте Алексей, а я могла бы ответить на Ваш вопрос без спроса? Просто я очень много читала как Вы его спрашиваете, и не выдержала, потому что решение показалось мне очень простым.

Я создала нормализованную серию чисел из случайных значений ( 1 или -1).

И классический биржевый график из нее, путем суммирования всех предыдущих значений для текущей точки.


Тогда для нормализованной серии автокорреляция будет стремиться к нулю.

А для серии биржевого графика автокорреляция будет стремиться к единице.


Но лишь при достаточной длине серии, при серии из 100 000 чисел я получала результаты как:

0.0010599888334729966 (нормализованные данные)

0.9999708433220806 (не нормализованные)

При серии из 100 чисел:

0.018773466833541926

0.9367627243658354

Из 10:

-0.4999999999999999 (эти значения меняются при каждой новой серии случайно)

-0.14285714285714285   (эти значения меняются при каждой новой серии случайно)


Это только частные случаи, но как видно, при малом размере серии она может демонстрировать автокорреляцию в очень широких случайных пределах.

При этом эта автокорреляция не является свойством процесса, генерирующего данные (в котором никакой автокорреляции нет), что затрудняет измерения и оценку процесса в этом случае.

Я прикреплю свой код на языке Python ниже, если кто-то вдруг захочет проверить вычисления.

Вы считаете выборочную АКФ. Спрашивается же АКФ. Не так давно в этой ветке Valeriy Yastremskiy выкладывал ссылки на методички по эконометрике, где приводились формулы АКФ для белого шума и стационарного  AR(1) процесса. Если не путаю, эта функция обозначалась там греческой буквой гамма. Спрашивается какая формула будет для СБ.

А для чего нам формулы, если мы торгуем по выборке?
1...251225132514251525162517251825192520252125222523252425252526...3746
Новый комментарий