Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2568
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
ИИ - умение машины строить НС для решения возникающих составных задач :)
Изначально нужен алгоритм описывающий препятствия до достижения цели, а ИИ должен разбивать их на части и строить сети для решения - при этом конфигурацию сети определять сам.
На мой взгляд, важнее всего понимание современной финансовой математики и МО используемого в ней. Это нужно хотя бы потому что они используются всеми крупными игроками, формирующими цену.
Лекция по теме на ютубе.
На мой взгляд, важнее всего понимание современной финансовой математики и МО используемого в ней. Это нужно хотя бы потому что они используются всеми крупными игроками, формирующими цену.
Лекция по теме на ютубе.
Да что тут понимать в финансовой матиматике и МО , нужно знать механику рынка и ее игроков
Толпа обязана проиграть в большынстве случаев, потому что ее контр агент - "крупный игрок"
1) Нужно видеть дисбаланс покупателей и продавцов ритейлов, если например много продавцов , значит на другом конце сделки "крупный игрок" (покупатель)
Как например сейчас на евре, очень много продавцов
2) Также есть торговля в моменте против толпы, это уже торгует маркет мейкер
Видно что цена двидеться всегда против динамики позицый толпы (обратная корреляция)
Те пока толпа покупает и верит в рост, цена будет падать и наоборот..
Вот и весь рынок..
p.s. А видео посмотрю обязательно
Получается, для каждого предиктора берётся правило типа 0.5<X<7.3,
Да, допустим так.
потом строим число всевозможных комбинаций
Нет, теперь принимаем исполнение правила неравенства за единичку и смотрим среднее значение целевой (допустим при бинарной классификации) при срабатывании правила по выборке, если изначальное среднее значение, допустим, 0,45 у выборки, а после оценки только по откликам стало 0,51, то считаем, что предиктор (его участок/квант) обладает предсказательной силой в 0,06, т.е. 6%.
Набираем множество таких предикторов с участками, которые уже являются самостоятельными бинарными предикторами и уже по ним строим модель.
Комбинировать все такие кванты со всеми (с предсказательной силой или без) - действительно не быстрое дело, но может и не лишено смысла, если это делать с базовым предиктором, на котором выявлен квант с предсказательной силой.
В общем, при небольшом N (зависит от размера выборки) сработать может, а при большом - будет переобучение.
Но, даже в теории это переобучение будет меньше, так как стало меньше возможных комбинаций, чем было в полной выборке.
Осталось понять, почему такие квантовые закономерности могут работать 7 лет, а потом внезапно перестать...
Тесты на наличие разных видов трендов из коробки
R лучший!!!!
Нет, теперь принимаем исполнение правила неравенства за единичку и смотрим среднее значение целевой (допустим при бинарной классификации) при срабатывании правила по выборке, если изначальное среднее значение, допустим, 0,45 у выборки, а после оценки только по откликам стало 0,51, то считаем, что предиктор (его участок/квант) обладает предсказательной силой в 0,06, т.е. 6%.
Нет особой разницы (с точки зрения комбинаторики) как конкретно это закодировано. Суть та же - в каждой строке в качестве признаков записано то, какие правила выполняются, а какие - нет. Это всегда 2^N вариантов, где N - число правил. Потом выбирается входит или нет каждое такое правило в конечный набор - это уже 2^(2^N) вариантов. Понятно, что просто формально перебрать такое множество вариантов просто нереально. Поэтому имеет смысл их как-то разумно упорядочить. Например, сначала берём все варианты, которые описываются только одним правилом, потом - только двумя и тд. Ну, или что-то в этом духе.
Осталось понять, почему такие квантовые закономерности могут работать 7 лет, а потом внезапно перестать...
Рано или поздно их найдут многие другие игроки, например.
Кто знает есть ли тест на детерминированость тренда..
Тесты на наличие разных видов трендов из коробки
R лучший!!!!
В R есть хороший пакет trend. Для линейного тренда хорошо подходит sens.slope() оттуда.
Да что тут понимать в финансовой матиматике и МО , нужно знать механику рынка и ее игроков
Толпа обязана проиграть в большынстве случаев, потому что ее контр агент - "крупный игрок"
1) Нужно видеть дисбаланс покупателей и продавцов ритейлов, если например много продавцов , значит на другом конце сделки "крупный игрок" (покупатель)
Как например сейчас на евре, очень много продавцов
2) Также есть торговля в моменте против толпы, это уже торгует маркет мейкер
Видно что цена двидеться всегда против динамики позицый толпы (обратная корреляция)
Те пока толпа покупает и верит в рост, цена будет падать и наоборот..
Вот и весь рынок..
p.s. А видео посмотрю обязательно
С этим тоже есть проблемы, и немалые. Нам доступен только малый срез рынка, который не известно, насколько показателен и достоверен. Вторая картинка (общий сантимент) вообще бесполезная. Во-первых, развороты регулярно случаются на экстремумах, где казалось бы тренд "против толпы" должен был продолжаться. Во-вторых, сантимент просто повторяет цену (вверх ногами и за вычетом тренда) - переверните любой осциллятор и получите очень похожую картинку. Ну, а раз индикатор повторяет цену, значит прогнозировать его ничуть не проще, чем сам график цены, верно? Первая картинка (стакан и открытые позиции) и значение профит ратио по идее имеет больше ценности, но тоже такое... сильно под вопросом.
Нет особой разницы (с точки зрения комбинаторики) как конкретно это закодировано. Суть та же - в каждой строке в качестве признаков записано то, какие правила выполняются, а какие - нет. Это всегда 2^N вариантов, где N - число правил. Потом выбирается входит или нет каждое такое правило в конечный набор - это уже 2^(2^N) вариантов. Понятно, что просто формально перебрать такое множество вариантов просто нереально. Поэтому имеет смысл их как-то разумно упорядочить. Например, сначала берём все варианты, которые описываются только одним правилом, потом - только двумя и тд. Ну, или что-то в этом духе.
Возможно я плохо объясняю, но я тут хочу ещё раз подчеркнуть, что мы работаем с изначальной выборкой, которая в рамках алгоритма обучения CatBoost квантуется один раз, т.е. до пустим у нас 1000 предикторов, мы их квантовали каждый на 10 отрезков, в итоге у нас 10000 отрезков - дальше алгоритм CatBoost случайным образом выдергивает предикторы и пробегаясь по границам/квантам делает разделение/сплит, для выделения кванта, который по середине, ему надо построить 3 неравенства или создать 8 листьев, при этом 7 листьев будут говорить о мусоре, а один лист о ценной информации. Построит ли алгоритм такое дерево - так же не факт, так как есть любовь к рандому и соседний квант может попасть в лист. И пусть это только одно дерево. В моем методе достаточно будет одного неравенства - 2 листа. Если даже будут использованы все предикторы и у каждого из них будет по 1 полезному отрезку, то число комбинаций при создании модели будет значительно меньше. Но важно, что и шума будет меньше, так как не будет столько ошибочных разбиений выборок для стабилизации которых нужно строить новое дерево (принцип бустинга).
Рано или поздно их найдут многие другие игроки, например.
Тогда может надо как то проверить эту теорию? Согласно которой есть минимальная частота повторения преимущества, после увеличения которой происходит с большей вероятностью её исчезновение, чем продолжение существования?
К примеру измеряем каждые пол года, есть преимущество 1,5 года - считаем, что пол года ещё проработает, а если уже 2,5 года, то уже нет смысла и брать - вероятность больше, что перестанет работать.
Я в научных формулах не силен, можете подсказать, как такой расчет провести и проверить гипотезу?
В R есть хороший пакет trend. Для линейного тренда хорошо подходит sens.slope() оттуда.
спасибо
С этим тоже есть проблемы, и немалые. Нам доступен только малый срез рынка, который не известно, насколько показателен и достоверен. Вторая картинка (общий сантимент) вообще бесполезная. Во-первых, развороты регулярно случаются на экстремумах, где казалось бы тренд "против толпы" должен был продолжаться. Во-вторых, сантимент просто повторяет цену (вверх ногами и за вычетом тренда) - переверните любой осциллятор и получите очень похожую картинку. Ну, а раз индикатор повторяет цену, значит прогнозировать его ничуть не проще, чем сам график цены, верно? Первая картинка (стакан и открытые позиции) и значение профит ратио по идее имеет больше ценности, но тоже такое... сильно под вопросом.
ты во многих вещах заблужнаешься, слишком поверхносно и невдумчиво воспринимаешь эту информацию