文章 "使用经典机器学习方法预测汇率：逻辑回归（logit）模型和概率回归（probit）模型"

新评论
 

新文章 使用经典机器学习方法预测汇率：逻辑回归（logit）模型和概率回归（probit）模型已发布：

本文尝试构建一款用于预测汇率报价的EA。该算法以经典分类模型——逻辑回归与概率回归为基础。并利用似然比检验作为交易信号的筛选器。

金融市场研究者始终面临一道难题：在众多数学模型中，如何挑选出能够预测交易品种未来走势的最佳方案？迄今为止，已涌现出大量此类模型。于是问题随之而来：面对方法浩如烟海，该如何避免迷失方向？初学者若想借助机器学习进行预测，又该从哪里入手、重点聚焦哪些模型？若将预测任务简化为一个二选一的问题——“明天的收盘价会高于今天吗？”——那么最顺理成章的选择便是二元分类模型。其中，逻辑回归（logit）和概率回归（probit）既简单又应用广泛。这些方法属于最常见的机器学习范式——有监督学习。

有监督学习的任务，则是教会模型把一组输入 {x}（预测变量或特征）映射到一组输出 {y}（目标或标签）。在本文中，我们只预测两种市场状态——货币对价格上涨或下跌。因此，标签只有两类y∊ {1,0}。作为预测变量，我们使用价格模式，即经过标准化、并带有指定滞后的价格增量。这些数据将构成我们的 {x, y} 训练集，用于估计模型参数。基于训练好的分类器，预测模型被实现为称为LogitExpert的EA。


作者：Evgeniy Chernish

 
从获得比随机交易 更好的效果的意义上来说，预测在哪里？
 
Stanislav Korotky #:
从获得比随机交易 更好的效果的意义上讲，预测在哪里？
所有问题，请向外汇市场和有效市场假说陛下提问。
 

谢谢，有趣的好文章。

我认为，您已经可以尝试在一日游中使用基本数据了。这并不是批评这篇文章，而是一种思维方式。我想知道如何将宏观经济数据与价格数据充分 "混合"。例如，问题在于它们的变化很少。也许，宏观经济也可以在某种程度上用于价格预处理--例如，从名义汇率到实际汇率的过渡。

 
Aleksey Nikolayev #:

我认为，您已经可以尝试在一日游中使用基本数据了。这并不是批评文章，而是一种思维方式。我想知道如何将宏观经济数据与价格数据充分 "混合"。例如，问题在于它们的变化很少。也许，宏观经济也可以在某种程度上用于价格预处理--例如，从名义汇率到实际汇率的过渡。

宏观经济有一个内置的新闻日历--将其数据混合到预测器中。

 
Evgeniy Chernish #:
所有问题请向外汇市场和有效市场假说陛下提问。

这个标题有误导之嫌。

 
Aleksey Nikolayev #:

谢谢你，有趣的好文章。

我认为，您已经可以尝试在一日游中使用基本数据了。这并不是批评文章，而是一种思维方式。我想知道如何将宏观经济数据与价格数据充分 "混合"。例如，问题在于它们的变化很少。也许，宏观经济也可以在某种程度上用于价格预处理--例如，从名义汇率到实际汇率的过渡。

谢谢您，阿列克谢！坦率地说，我从未对基本面产生过兴趣，这并不是因为它不能提供额外的信息，而仅仅是因为它不可能涵盖广阔的领域。这就是为什么我甚至还没有关注这个方向。
 
Stanislav Korotky #:

因此，标题具有误导性。

为什么？它使用一个分类预测模型进行预测。它正确计算了输入模型的内容。那有什么问题？该模型不能击败天真的预测？我可没这么保证）。
 
Evgeniy Chernish #:
为什么？它使用了一个分类预测模型来进行预测。它能正确计算输入模型的内容。那有什么问题？该模型不能击败天真的预测？我可没这么说）

"用传统方法预测汇率是不可能的......"

 
Stanislav Korotky #:

"用传统方法预测汇率是不可能的......"

我根本没想到这是不可能的。我只是做了一个预测，并用 python 库检查了一下是否有误。也许有人会添加一些过滤器、自己的功能，也许有人会做得更好。而你马上就想到了不可能。
新评论