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
Шалом! Есть конечно.
А где его взять?
Небольшая порция реализма про ИИ от одного из его создателей. Перевод не очень, но смысл передан. Ещё немного достаёт реклама (экстремистской) Меты, но не настолько чтобы заглушить основную тему.
Основная идея в том, что нынешний ИИ неплохо "понимает" язык (прогнозирует слова) из-за его дискретной природы. С видео из реальности получается хуже, поскольку физика реальности непрерывна, а не дискретна.
Имхо, стоит попробовать оживить ветку - весьма неплохая была.
Но хочется чего-то новенького, старые темы по МО уже слегка приелись.
Такой новой темой могло бы стать вероятностное машинное обучение. Это подход, при котором выходом алгоритма является не конкретное числовое значение, а его вероятностное распределение. Имхо, этот подход более органично подходит к задаче трейдинга.
По мере настроения буду пописывать по этой теме.
PS. Ничего не имею против, если кто-то будет писать в ветке по любым другим темам связанным с МО.
вероятностное машинное обучение
В контексте привычных МО подходов (классификация и регрессия) вероятностное МО является их обобщением.
1) Классификация - на выходе алгоритма дискретное распределение номера класса.
2) Регрессия - на выходе алгоритма нормальное распределение со средним зависящим от входов (воспринимается как прогноз) и с фиксированной дисперсией не зависящей от входов (воспринимается как ошибка прогноза)
а что на входе ?
потому как "мусор на входе - мусор на выходе", какой метод не применяй
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.