트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2780

 
СанСаныч Фоменко #:

여기에는 쉬운 길이 없습니다.

시스템은 결정론적, 확률론적, 불확실하며, 서로 다른 시점에 따라 확률론적, 결정론적 또는 일부 혼합된 방식으로 작동합니다.

금융 시장은 불확실성의 원천이 예측할 수 없는 사람들의 행동이기 때문에 불확실성으로 분류됩니다. 예를 들어, 지하철에서 완전히 무작위적인 사람들의 흐름은 대량 서비스 이론으로 완벽하게 설명할 수 있으며 모든 것을 계산할 수 있습니다. 그러나 풍선에 구멍을 뚫고 "폭탄"이라고 외치면 혼란이 일어나고 아무것도 계산할 수 없습니다. 시장에서는 새로운 접근 방식도 없고 과학도 없으며 공황은 행정적으로 분쇄됩니다.

금융 시장의 스토캐스틱 섹션은 고정형과 비고정형의 두 가지 유형으로 나뉩니다. 고정은 완벽하게 계산할 수 있으며 원칙적으로 과학이 없습니다. 고정 시장에 대한 모델이 작동하는 금융 시장이 있습니다. 저는 미국 재무부의 ARIMA 모델을 본 적이 있는데 완벽하게 잘 작동합니다.

그러나 일반적으로 금융 시장은 고정되어 있지 않고 기성품이 있지만 매우 빨리 무엇을해야할지 명확하지 않다는 것이 과학이라는 것이 밝혀졌습니다. 그러나 우리가 아는 것은 두 가지 종류로 나뉘는 절대적으로 광란의 수학입니다:

  • 통계적 모델링 - 비정형성의 모든 미묘함을 포착하려는 GARCH 모델;
  • 자동으로 패턴을 찾는 MOE. 랜덤 포레스트(RF)에는 이러한 패턴(트리)이 150개 이하로 존재합니다.

게다가 쉬운 방법은 없으며, 접근조차 할 수없는 무언가 (뉴스)에 항상 갇히게됩니다. 뉴스는 아니지만 위의 각 접근 방식에서 모든 문제를 해결하는 것, 즉 안정적인 수익성있는 TS를 구축하는 것은 불가능합니다.


TA에서 성공하면 다른 모든 것에 침을 뱉으십시오. MO뿐만 아니라 GARCH는 수년 동안입니다.

체계적인 정보 제공에 감사드립니다.

예, 저는 파동을 체계화하는 데 많은 시간을 보냈습니다. 많은 사람들이이 주제를 이해하지 못하지만 꾸준히 작동합니다. 그런 다음 OHLC로 옮겼습니다. 거기에서도 흥미로운 체계적인 정보를 많이 발견했습니다. 나머지는 TS의 통일과 형성에서 사소한 일입니다. MO는 더 많은 인식을하고 시장의 규칙 성, 더 정확하게는 차트 형태로 세계 경제의 결과를 드러내는 측면에서 흥미 롭습니다. 흥미로운 점이 너무 많아서 다 말할 수 없을 정도입니다. 아무도 보지 않나요? 진지하게 토론할 사람이 없네요.)))))))

 
Uladzimir Izerski #:

체계적인 정보 제공에 감사드립니다.

네, 저는 파동을 체계화하는 데 많은 시간을 투자했습니다. 많은 사람들이이 주제를 이해하지 못하지만 꾸준히 작동합니다. 그런 다음 OHLC로 옮겼습니다. 거기에서도 흥미로운 체계적인 정보를 많이 발견했습니다. 나머지는 TS의 통일과 형성에서 사소한 일입니다. MO는 시장의 규칙 성, 더 정확하게는 차트 형태로 세계 경제의 결과를 더 깊이 인식하고 드러내는 측면에서 흥미 롭습니다. 흥미로운 점이 너무 많아서 다 말할 수 없을 정도입니다. 아무도 보지 않나요? 진지하게 토론할 사람이 없습니다.))))))

보는 것과 코드를 작성/매치하는 것은 또 다른 문제입니다.

 
기존 시스템에서는 유연성 부족이 문제이고, MO에서는 유연성 과잉이 문제입니다. 데이터를 선택하고 둘 다 재학습해야 합니다. 샘플 크기와 훈련 빈도도 +-로 동일합니다. MO에만 몇 배 더 많은 전력과 '블랙박스'가 필요합니다. 2010년에 Onyx에서는 모든 것을 그리드에 밀어 넣었고, 그 이후로 용량은 엄청나게 증가했지만 여전히 존재합니다.
 
СанСаныч Фоменко #:

100번째로, 정보 연결 정도에 따라

상호 정보가 이에 적합할까요?

https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.mutual_info_classif.html

 
Rorschach #:
기존 시스템에서는 유연성 부족이 문제이고, MO에서는 유연성 과잉이 문제입니다. 데이터를 선택하고 둘 다 재학습해야 합니다. 샘플 크기와 훈련 빈도도 +-로 동일합니다. MO에만 몇 배 더 많은 전력과 '블랙박스'가 필요합니다. 2010년에 Onyx에서는 모든 것을 그리드에 밀어 넣었고, 그 이후로 용량은 엄청나게 커졌지만 여전히 그대로입니다.

모든 것이 차트에 드러나 있는데 왜 모두가 깊이 파고드는 걸까요?

물론 가격 반전과 같이 정확한 위치가 완벽하게 일정하게 유지되는 것은 없습니다. 절대 없을 것입니다. 그러나 가격 움직임의 예측 가능성은 그것 때문에 사라지지 않습니다. 정확도는 떨어질 수 있지만 예측 가능성은 떨어지지 않습니다. 시장에는 상호 연관된 모델이 있으며 이 모델에서 벗어날 수 없습니다.

 
Uladzimir Izerski #:

모든 것이 차트에 표시되어 있는데 왜 모두가 깊이 파고드는 걸까요?

물론 가격 반전의 정확한 지점이 완벽하게 일정하지는 않습니다. 앞으로도 없을 것입니다. 그러나 가격 움직임의 예측 가능성은 그것 때문에 사라지지 않습니다. 정확도는 떨어질 수 있지만 예측 가능성은 떨어지지 않습니다. 시장에는 상호 연관된 모델이 있으며 이 모델에서 벗어날 수 없습니다 ...

나는 일반적으로 수동 거래를 선호합니다 ... 슬리퍼를 던지기 시작할 수 있습니다.

 
Rorschach #:

저는 일반적으로 수동 트레이딩을 선호합니다..... 슬리퍼를 던질 수 있습니다.

알았어요. 끝났어 끝났어요. 슬리퍼 가지러 갈게요.)

 

네, 일명 21세기형 상관관계입니다.

또는 http://www.exploredata.net/
 
Maxim Dmitrievsky #:

네, 21세기의 상관관계입니다.

또는 http://www.exploredata.net/.

어느 쪽이 더 낫나요? 이 옵션과 Scikit-Learn의 옵션 중 어느 쪽이 더 낫나요?

https://minepy.readthedocs.io/en/latest/python.html

 
Evgeni Gavrilovi #:

어느 쪽이 더 낫나요? 이 쪽이 더 낫나요? 아니면 Scikit-Learn의 쪽이 더 낫나요?

https://minepy.readthedocs.io/en/latest/python.html

둘 다 좋고, minepy가 더 발전했고, 오래 전에 사용했는데 차이점을 기억하지 못합니다.

저는 TC 규범을 빠르게 평가하기보다는 상호 정보를 통해 의미없는 기능 중에서 선택하는 접근 방식을 실제로지지하지 않습니다.

심지어 유전학을 통해 경쟁하는 사람들을 위한 최적화 기준의 일부로 옵티마이저에 넣으려고 시도할 수도 있습니다.

사유: