Машинное обучение в трейдинге: теория и практика (торговля и не только) - страница 836

Dr. Trader
4171
Dr. Trader  
Maxim Dmitrievsky:

Для трейдера это компетишн, который модельки свои обучает и им подсовывает, повезло - хорошо, не повезло - ниче не потерял

У тебя неправильные ассоциации. Если твою модель не приняли из-за оверфита или недообученности - это значит что скилл надо улучшать. Везение там не при чём.

Maxim Dmitrievsky
30317
Maxim Dmitrievsky  
Dr. Trader:

У тебя неправильные ассоциации. Если твою модель не приняли из-за оверфита или недообученности - это значит что скилл надо улучшать. Везение там не при чём.

а модели на сколько рассчитываются по времени? если у них постоянно идут конкурсы, значит краткосрочно?

и сколько фонд на этом зарабатывает в %.

Dr. Trader
4171
Dr. Trader  

Новый тур каждую неделю. За неделю нужно обучить модель и отправить им предсказания. Но форвард оценку твоей модели узнаешь только спустя ещё три недели, твои прогнозы будут сравниваться с реальными за эти 3 недели.

Я думаю себе они оставляют не менее 90%

Alexander_K2
2223
Alexander_K2  
Maxim Dmitrievsky:

:)) я вашу тему начну перечитывать после того, как доизучаю РЛ

и вот если предположить что ваши предикторы окажутся получше моих, то будет чудненько

Максим, в прикрепленном файле - ВР для AUDCAD полученный при экспоненциальных интервалах считывания тиков (точнее - дискретное геометрическое распределение при n=0.5).

Столбец А - Bid

Столбец Б - Ask

Столбец С - Интенсивность в скользящем окне = 10.000

Столбец Д - метка времени.

Там где метка времени =0, значит это искусственный псевдотик.

Т.е. внутри этого псевдоряда "сидит"еще реальный ВР.

Можешь выделить реальный ВР из исходного и подсунуть в нейросеть 2 ВР ретурнов? Один - исходный (псево+реал), второй - только реал.

Интересно.

При работе с исходным ВР (псевдо+реал) надо понимать, что ты работаешь с простейшим потоком без памяти

Шаг 2. В этом исходном ВР надо взять только каждую 2-ю котировку. Получишь поток Эрланга 2-го порядка с последействием. Проверить.

Шаг 3. В этом исходном ВР надо взять только каждую 3-ю котировку. Получишь поток Эрланга 3-го порядка с последействием. Проверить.

и т.д.

Если получишь что-то невероятное - с тебя сигнал.

Файлы:
Maxim Dmitrievsky
30317
Maxim Dmitrievsky  
Alexander_K2:

Максим, в прикрепленном файле - ВР для AUDCAD полученный при экспоненциальных интервалах считывания тиков (точнее - дискретное геометрическое распределение при n=0.5).

Столбец А - Bid

Столбец Б - Ask

Столбец С - Интенсивность в скользящем окне = 10.000

Столбец Д - метка времени.

Там где метка времени =0, значит это искусственный псевдотик.

Т.е. внутри этого псевдоряда "сидит"еще реальный ВР.

Можешь выделить реальный ВР из исходного и подсунуть в нейросеть 2 ВР ретурнов. Один - исходный (псево+реал), второй - только реал.

Интересно.

попробую завтра уже запихать в нс )

Alexander_K2
2223
Alexander_K2  
Maxim Dmitrievsky:

попробую завтра уже запихать в нс )

Я там еще алгоритм проверки дописал. Только поаккуратнее, плиз.

Maxim Dmitrievsky
30317
Maxim Dmitrievsky  
Alexander_K2:

Я там еще алгоритм проверки дописал. Только поаккуратнее, плиз.

да, вижу, с тиками посложнее будет, но ченить наворочу по аккуратному )

эти ваши ряды надо загнать в кастомные символы МТ5, получатся отдельные готовые символы.. если получатся

Alexander_K2
2223
Alexander_K2  
Maxim Dmitrievsky:

да, вижу, с тиками посложнее будет, но ченить наворочу по аккуратному )

эти ваши ряды надо загнать в кастомные символы МТ5, получатся отдельные готовые символы.. если получатся

Ну, можно наоборот - сначала выделить поток Эрланга 100-го порядка и двигаться вниз к простейшему :))

Maxim Dmitrievsky
30317
Maxim Dmitrievsky  

К вопросу предсказания волатильности. Допустим, предсказать волатильность намного проще чем саму котировку

И есть даже всякие модели типа https://en.wikipedia.org/wiki/Markov_switching_multifractal

что это дает, как правильно заюзить, кто-нибдь занимался?

Markov switching multifractal - Wikipedia
Markov switching multifractal - Wikipedia
  • en.wikipedia.org
The MSM model can be specified in both discrete time and continuous time. Let denote the price of a financial asset, and let r t = ln ⁡ ( P t / P t − 1 ) {\displaystyle r_{t}=\ln(P_{t}/P_{t-1})} denote the return over two consecutive periods. In MSM, returns are specified as r t = μ + σ ¯ ( M 1 , t M 2 , t...
СанСаныч Фоменко
6998
СанСаныч Фоменко  
Maxim Dmitrievsky:

К вопросу предсказания волатильности. Допустим, предсказать волатильность намного проще чем саму котировку

И есть даже всякие модели типа https://en.wikipedia.org/wiki/Markov_switching_multifractal

что это дает, как правильно заюзить, кто-нибдь занимался?

GARCH называется, в отличии от машинного обучения, мэйнстрим на финансовых рынка (наряду с коинтеграцией и портфелями). 

Модели учитывают кучу статистических нюансов приращений, включая толстые хвосты и долговременную память а ля Херст (long memory).

Например, есть публикация о выборе параметров моделей GARCH на ВСЕХ акциях, входящих в индекс S&P500!

Полно публикаций по применению на форексе. Прекрасно развит инструментарий. Например, пакет rugarch.



Так что, покидаем хутор, выбираемся на магистраль и под марш "Прощание славянки" вперед!