Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 116
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Das ist eine Theorie, die ich in der Praxis bestätigt habe. Es ist die einzige Theorie, die ich kenne, die alle Fragen beantwortet, von der Frage, warum das Modell bei neuen Daten nicht funktioniert, bis hin zu der Frage, warum jeder auf dem Markt überhaupt Geld verliert...
Warum fällt es Ihnen so schwer, dies zu akzeptieren?
Ist das alte Wissen und die alten Gewohnheiten so dämpfend auf die neuen Informationen?
Warum sollte man sich so sehr auf das Modell konzentrieren, wenn der Leistungsunterschied zwischen den Modellen zwischen 0,5 und 5 % liegt?
Kein Modell kann helfen, weil es sich um die Daten selbst handelt.
Sie können einen Gedanken verstehen, eine Information, die in allgemeine Begriffe und Konzepte gekleidet werden muss.
Aber mit Ihren wiederholten Aufrufen zeigen Sie die dumpfe Ignoranz, die Unkenntnis der einfachsten Dinge in der Statistik.
Der Markt bewegt sich gegen die Statistik, aber die Statistik ist anders. Dieser Gedanke ist grundlegend, wenn das Wort "Statistik" verwendet wird. Wenn Sie das nicht verstehen, zeigen Sie Diagramme, die Ihnen nichts sagen.
Alles, was Sie als Widerlegung der Statistik in Ihrem Verständnis schreiben, ist eine Widerlegung des Teils der Statistik, der auf STATIONÄRE Zufallsprozesse anwendbar ist. Auf den Finanzmärkten gibt es keine stationären Prozesse - nur nicht-stationäre, die sich von stationären unterscheiden, weil die aus historischen Daten abgeleiteten Merkmale nicht auf neue Daten anwendbar sind. Entschuldigung, aber das ist elementar. Man kann die Instrumente der stationären Statistik nicht auf nichtstationäre Finanzzeitreihen anwenden.
Hier versuchen wir, Modelle auf historischen, nicht-stationären Daten so zu trainieren, dass sie in der Zukunft annähernd die gleichen Eigenschaften aufweisen. Das ist das Problem, das wir lösen. Und ich behaupte, dass dieses Problem durch die sorgfältige Einhaltung einer Reihe von Techniken gelöst werden kann.
Es tut mir leid, ich habe genug von Ihrer Ignoranz.
Das ist eine Theorie, die ich in der Praxis bestätigt habe. Es ist die einzige Theorie, die ich kenne, die alle Fragen beantwortet, von der Frage, warum das Modell bei neuen Daten nicht funktioniert, bis hin zu der Frage, warum jeder auf dem Markt überhaupt Geld verliert...
Warum ist das für Sie so schwer zu akzeptieren?
Das ist richtig, fast. Es geht nicht dagegen an, sondern wechselt nur willkürlich von einem Geräusch zum anderen, je nach den im Modell eingebauten Anpassungen an das Geräusch. Das heißt, wenn Sie die Modellierung auf diese Weise vorgenommen haben. Sie allein sind dafür verantwortlich.
Machen Sie ein weiteres Modell, bei dem der Markt auf den gefundenen Statistiken läuft.
Was muss hier akzeptiert werden? Die Tatsache, dass wir Models machen und sie übertrainiert sind? Oder der Glaube, dass "der Markt gegen seine eigenen Statistiken läuft". Wir sind hier keine religiöse Organisation, die an heilige Fiktionen glaubt.
Aber wenn Sie eine Studie schreiben, in der Sie 100 Methoden an allen Forex-Daten ausprobieren und zu dem Schluss kommen, dass alle von ihnen übertrainiert sind und keinen Gewinn bringen, dann werden wir sie gerne lesen. Aber eine Mikrostudie, die auf unbekannten Prinzipien beruht, ist kein Indikator.
Ich teile einen interessanten Artikel. Ich halte das für sinnvoll, es scheint ein guter Versuch zu sein. Es gibt Tausende von Modellen, die beim Training und beim Testen gute Handelsergebnisse zeigen. Es gibt Daten, die außerhalb der Stichprobe liegen. Sie beginnt mit der Überprüfung des Modellauswahlverfahrens. Die Tabelle in dem Artikel ist dieselbe wie meine. Schwache Korrelation zwischen dem Test und der Validierung. Die Auswahl der Modelle nach den besten Testergebnissen führt also nicht zu einer Überlegenheit außerhalb der Stichprobe.
Und dann sehen Sie selbst, was sie dort tun.
https://blog.quantopian.com/using-machine-learning-to-predict-out-of-sample-performance-of-trading-algorithms/
Der Markt bewegt sich gegen seine eigene Statistik, das ist eine Theorie, die ich in der Praxis bestätigt habe
Wenn der Markt von einem Trend oder einer Seitwärtsbewegung dominiert wird und die Modellgrundfaktoren versuchen, die Trendfortsetzung oder -umkehr aus den Kanalgrenzen vorherzusagen, dann ist es nicht verwunderlich, wenn das (aus der Seitwärtsbewegung gelernte) Gegentrendmodell in einer Region, in der der Trend vorherrscht, umgekehrt wird und einen Gewinn erzielt.
Aber der Punkt ist, dass Ihre "Theorie" nicht immer in der Praxis bestätigt wird, sondern nur dann, wenn der Trend in einen Gegentrend umschlägt und umgekehrt.
Dies geschieht am häufigsten, wenn ein erheblicher Teil der Prädiktoren unbedeutend ist - Quatsch - und einer der bedeutendsten ist, wie z. B. die Dynamik. In diesem Fall erhält der aussagekräftigste Prädiktor während des "Lernens" einen hohen Gewichtungsfaktor, und die anderen sind nur leicht verrauscht und haben kleine Gewichte.
Wenn der Markt von einem Trend oder einer Seitwärtsbewegung dominiert wird und die Hauptfaktoren des Modells versuchen, die Trendfortsetzung oder die Trendumkehr von den Kanalgrenzen aus vorherzusagen, dann ist es nicht verwunderlich, wenn das (aus der Seitwärtsbewegung gelernte) Gegentrendmodell in dem Bereich, in dem der Trend vorherrscht, "umgedreht" wird und es einen Gewinn erzielt.
Aber der Punkt ist, dass Ihre "Theorie" nicht immer in der Praxis bestätigt wird, sondern nur dann, wenn der Trend in einen Gegentrend umschlägt und umgekehrt.
Es kommt häufiger vor, dass ein beträchtlicher Teil der Prädiktoren unbedeutend ist - Quatsch - und einer der Prädiktoren der bedeutendste ist, z. B. das Momentum. In einem solchen Fall erhält der aussagekräftigste Prädiktor während des "Trainings" einen großen Gewichtungsfaktor, während andere nur leicht verrauscht und mit kleinen Gewichten versehen werden.
Diese Theorie wird in der Praxis IMMER bestätigt.
Denn das einzige stabile statistische Merkmal des Marktes ist die Nicht-Stationarität - je länger der Trend oder die flache Phase, desto leichter ist er statistisch zu erkennen und desto wahrscheinlicher ist ein Trendwechsel.
Sie ist das einzige stabile statistische Merkmal einer Preisreihe.
Diese Theorie wird in der Praxis IMMER bestätigt.
Denn das einzige stabile statistische Merkmal eines Marktes ist die Nicht-Stationarität - je länger der Trend oder die flache Phase, desto leichter ist er statistisch zu erkennen und desto wahrscheinlicher ist ein Trendwechsel.
Dies ist das einzige stabile statistische Merkmal einer Preisreihe.
1) Handelt es sich um ein Diagramm mit den Daten, auf denen das Training selbst stattgefunden hat, oder ist es nur ein Test mit neuen Daten?
2) Wenn es so einfach wäre, würde es ausreichen, ein beliebiges Modell zu trainieren und dessen Vorhersagen einfach umzukehren. Das funktioniert leider nicht.
3) Das Problem besteht nicht darin, dass die Modelle entgegengesetzte Ergebnisse liefern, sondern darin, dass das Ergebnis bei einigen Balken richtig, bei anderen falsch ist, und dies alles ist zufällig und es gibt keine Möglichkeit, nur die richtigen Ergebnisse herauszufiltern.
4) Und warum ziehen Sie die Vorhersage S von der Vorhersage B ab? Vielleicht sollten Sie das Gegenteil tun, S-B? Dann wird auch die Korrelation plötzlich stimmen.
1) Test mit neuen Daten, aus irgendeinem Grund habe ich mir die Trainingsdaten nicht einmal angesehen
2) Ja! es funktioniert nicht, weil das erhaltene blaue Diagramm keine Vorhersagekraft hat, es kehrt sich zur gleichen Zeit wie das reguläre Preisdiagramm um oder sogar eine Kerze später, aber selten, es ist unmöglich, daraus Gewinn zu machen, aber es gibt Ihnen einen Einblick in den Prozess, den ich Ihnen zeigen wollte
3) Nun sehen Sie, es gibt keine Zufälligkeit auf dem Diagramm, das Diagramm ist völlig umgekehrt korreliert mit dem Preis
4) Wenn wir Kauf- und Verkaufssignale quantitativ ausdrücken, zum Beispiel Kauf = 10 Punkte, Verkauf hat 5 Punkte
kaufen - verkaufen = 5 (mehr Buchten in Ordnung)
und wenn
kaufen - kaufen ist gleich - 5 (das ist lächerlich)
1) Richtig, fast. Es geht nicht dagegen an, sondern verschiebt sich nur willkürlich von einem Geräusch zu einem anderen, entsprechend den eingebauten Anpassungen des Modells an das Geräusch. Das heißt, wenn Sie die Modellierung auf diese Weise vorgenommen haben. Sie allein sind dafür verantwortlich.
2) Führen Sie ein weiteres Modell durch, bei dem der Markt auf den gefundenen Statistiken läuft.
3) Was muss hier akzeptiert werden? Die Tatsache, dass wir Models machen und sie übertrainiert sind? Oder der Glaube, dass "der Markt gegen seine eigenen Statistiken läuft". Wir sind hier keine religiöse Organisation, die an heilige Fiktionen glaubt.
1) Sehen Sie im blauen Diagramm irgendwelche Zufälligkeiten in Bezug auf den Preis?
2) es ist nicht so einfach, wie es scheint
3) versuchen Sie, es zu widerlegen ;) was Sie sagen, ist ein Schwindel - es ist auch ein Schwindel, aber es ist nur Ihre ... Sind Sie einverstanden?
Aber der Punkt ist, dass Ihre "Theorie" nicht immer in der Praxis bestätigt wird, sondern nur dann, wenn Sie vom Trend zum Gegentrend wechseln und umgekehrt.
Das blaue Diagramm geht sowohl gegen kleine als auch gegen große Bewegungen vor. Ein Diagramm mit 200 Candlesticks geht gegen den Preis und ein Diagramm mit 20 000 Candlesticks ergibt das gleiche Bild.
Es tut mir leid, ich habe genug von Ihrer Ignoranz.