트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩

[Alexey Burnakov]

안녕하세요, 여러분,

포럼에 기계 학습 및 통계 애호가가 있다는 것을 알고 있습니다. 나는이 주제 (홀리바르없이)에서 토론하고,이 흥미로운 분야에서 우리 자신의 지식 은행을 공유하고 풍부하게 할 것을 제안합니다.

초보자뿐만 아니라 러시아어로 된 좋은 이론적 리소스가 있습니다 : https://www.machinelearning.ru/.

유익한 기능을 선택하는 방법에 대한 문헌에 대한 작은 검토 : https://habrahabr.ru/post/264915/.

나는 첫 번째 문제를 제안합니다. 나중에 해결책을 게시하겠습니다. SanSanych는 이미 그것을 보았으니 답을 말하지 마십시오.

소개 : 거래 알고리즘을 구축하려면 가격, 추세 또는 거래 개시 방향을 예측하는 데 어떤 요소가 기초가 될지 알아야합니다. 이러한 요소를 선택하는 것은 쉬운 일이 아니며 무한히 복잡합니다.

제가 만든 인공적인 CSV 데이터 세트가 포함된 아카이브를 첨부합니다.

데이터에는 접두사가 input_인 20개의 변수와 가장 오른쪽에 있는 하나의 변수 출력이 포함되어 있습니다.

출력 변수는 입력 변수의 일부 하위 집합 에 따라 달라집니다(하위 집합은 1~20개의 입력을 포함할 수 있습니다).

작업: 어떤 방법(머신 러닝)을 사용하여 입력 변수를 선택하면 기존 데이터에서 출력 변수의 상태를 결정하는 데 사용할 수 있습니다.

솔루션은 여기에 입력_2, 입력_19, 입력_5(예시) 형식으로 게시할 수 있습니다. 또한 입력 및 출력 변수의 발견 된 종속성을 설명 할 수도 있습니다.

누가 할 수있는 사람, 잘 했어 ) 나에게서 준비된 솔루션과 설명.

Alexey

[Alexey Burnakov]

데우스 엑스 마키나.

그런 말로, 철학 논문의 장기 볼륨은 독자 앞에 페이지를 엽니다.

글쎄요, 아무도 기계 학습을 하고 싶어하지 않습니까?

[[삭제]]

알렉세이 버나코프 :

데우스 엑스 마키나.

그런 말로, 철학 논문의 장기 볼륨은 독자 앞에 페이지를 엽니다.

글쎄요, 아무도 기계 학습을 하고 싶어하지 않습니까?

각 거래에는 위험과 기타 조건이 있습니다. 머신 러닝은 오래된 데이터를 사용합니다. 즉, 존재하지 않는 것에 대해 작동합니다.

[Alexey Burnakov]

예를란 이만겔디노프
각 거래에는 위험과 기타 조건이 있습니다. 머신 러닝은 오래된 데이터를 사용합니다. 즉, 존재하지 않는 것에 대해 작동합니다.

더 정확하게는, 이전에 있었던 것입니다.

그리고 이것에서 그는 안정적인 의존성을 찾고 있습니다.

우리는 그들을 찾고 있습니다.

[[삭제]]

알렉세이 버나코프 :

더 정확하게는, 이전에 있었던 것입니다.

그리고 이것에서 그는 안정적인 의존성을 찾고 있습니다.

우리는 그들을 찾고 있습니다.

소로스 기능을 통해 시장을 학습하기 위해 정크를 사용하지 않는 것이 낫다는 약점입니다.

[Dmitry Fedoseev]

예를란 이만겔디노프
각 거래에는 위험과 기타 조건이 있습니다. 머신 러닝은 오래된 데이터를 사용합니다. 즉, 존재하지 않는 것에 대해 작동합니다.

새로운 정보가 있습니까? 그래서 차트를 보지도 않고 자신을 이해해야 하는데, 거기에 오래된 데이터가 있는 건가요? 예?

[Alexey Burnakov]

드미트리 페도세프 :
새로운 정보가 있습니까? 그래서 차트를 보지도 않고 자신을 이해해야 하는데, 거기에 오래된 데이터가 있는 건가요? 예?

혀에서 제거되었습니다.

[Alexey Burnakov]

일반적으로 그렇습니다. 주제에 조금 박차를 가하기 위해 문제를 올바르게 푸는 사람에게 5학점 을 양도할 것을 약속합니다.

정보 입력 세트를 발행하십시오.

커뮤니티는 포럼에서 활발하게 활동한 저를 인정해 주었습니다. 저는 그들을 시스템으로 되돌려 놓을 것이지만 동시에 흥미로운 토론을 하게 될 것입니다.

알렉세이

[Vladimir Perervenko]

언급된 주제 "머신 러닝"은 중요하고 복잡하며 거대합니다. 첫 번째 게시물로 판단하면 준비적이고 중요한 단계 중 하나인 " 예측 변수 평가 및 선택 "부터 시작하려고 합니다. 주어진 문제로 무엇을 풀거나 보여주고 싶습니까? 새로운 방법, 방법 또는 무엇?

주제의 내용과 주제가 일치하지 않습니다.

목표를 지정하십시오. 아마도 관심있는 사람들이있을 것입니다.

이해할 수 없는 목표로 문제를 해결할 자유 시간이 있는 사람은 거의 없습니다.

행운을 빕니다

[СанСаныч Фоменко]

예를란 이만겔디노프
각 거래에는 위험과 기타 조건이 있습니다. 머신 러닝은 오래된 데이터를 사용합니다. 즉, 존재하지 않는 것에 대해 작동합니다.

우리는 항상 과거로부터 배웁니다.

우리는 수세기 동안 그래프를 봅니다. 둘 다 켜져 있고 "병사 3명"이 표시된 다음 "머리와 어깨"가 표시됩니다. 그러한 수치가 이미 얼마나 많이 보았고 우리는 이 수치를 믿고 거래합니다...

작업이 다음과 같이 설정된 경우:

1. 이러한 수치를 자동으로 찾습니다. 일반적으로 모든 차트가 아니라 특정 통화 쌍에 대해 쌀을 거래할 때 일본인이 최근에(300년 전 아님) 마주한 수치를 찾습니다.

2. 초기 데이터가 우리에게 적합한가요? 그런 수치를 자동으로 찾는 패턴 - 패턴입니다.

첫 번째 질문에 답하기 위해 "랜덤 포레스트"라는 알고리즘을 고려하십시오. 알고리즘은 사람이 작업의 초기 데이터로 생각한 모든 것, 하나 또는 여러 통화, 지표, 가격 증분의 견적을 취합니다. 10-5-100-200 ... 입력 변수. 그런 다음 하나의 막대에 해당하는 한 순간과 관련된 변수의 전체 값 세트를 취하여 과거 데이터에 대해 잘 정의된 결과에 해당하는 이러한 입력 변수의 조합을 찾습니다. 예를 들면, 구매 주문. 그리고 다른 주문에 대한 또 다른 조합 세트 - SELL. 이러한 각 집합은 별도의 트리에 해당합니다. 경험에 따르면 18,000바(약 3년)의 입력 클록 세트에 대해 알고리즘은 200-300개의 트리를 찾습니다. 이것은 "머리와 어깨"와 거의 유사한 패턴 세트 및 전체 군인 회사입니다.

이 알고리즘의 문제는 그러한 트리가 미래에 발생하지 않을 일부 세부 사항을 캡처할 수 있다는 것입니다. 이것은 기계 학습 "과적합"에서 포럼 "과적합"에서 호출됩니다. 초기 변수의 전체 큰 집합은 출력 변수와 관련된 부분과 잡음과 관련되지 않은 부분의 두 부분으로 나눌 수 있는 것으로 알려져 있습니다. 여기에서 Burnakov는 결과와 관련이 없는 것들을 제거하려고 노력하고 있습니다.

추신.

트렌딩 TS(BUY, SELL)를 구축할 때 모든 종류의 자동차는 소음입니다!

[Alexey Burnakov]

블라디미르 페레르벤코 :

첫 번째 게시물로 판단하면 준비적이고 중요한 단계 중 하나인 "예측 변수 평가 및 선택"부터 시작하려고 합니다. 주어진 문제로 무엇을 풀거나 보여주고 싶습니까? 새로운 방법, 방법 또는 무엇?

주제의 내용과 주제가 일치하지 않습니다.

목표를 지정하십시오. 아마도 관심있는 사람들이있을 것입니다.

이해할 수 없는 목표로 문제를 해결할 자유 시간이 있는 사람은 거의 없습니다.

확인.

누군가가 올바른 솔루션을 결정하거나 적어도 그에 가까워지면(즉, 주제가 살아 있을 것입니다), 저는 다음을 수행합니다.

나는 올바른 솔루션을 게시할 것입니다 - 데이터 세트 생성 알고리즘

다른 많은 알고리즘 "예측 변수의 추정 및 선택 "이 실패한 이유를 설명하겠습니다.

나는 유사한 문제를 강력하고 민감하게 해결하는 방법을 제시할 것입니다. 이론을 제시하고 R의 코드를 레이아웃할 것입니다.

이는 기계 학습 작업에 대한 "이해"를 상호 보완하기 위해 수행됩니다.