Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 153
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
Was meinen Sie damit? Der Satz scheint etwas Interessantes zu enthalten, aber die Bedeutung entzieht sich mir.
Ich war falsch über 2 Sigma dort, gut im Allgemeinen die Preiserhöhung für einen bestimmten Zeitraum, zum Beispiel eine Minute, als ein Merkmal kann etwa 4-5% zusätzliche Informationen darüber, wo der Preis bewegt sich in der nächsten Minute, und so weiter für 5 min 5 min für eine Stunde und so weiter, gut es ist alles sehr grob, und "Informationen" bedeutet nicht, dass es auch bewegt, es bedeutet das Gewicht dieser Funktion in einem ziemlich komplexen Systemen mit Tausenden von Funktionen. Was früher fast nichts bedeutete, ist heute Lärm.
1) Enges Verständnis der Frage. Ein Faltungsnetzfilter kann viele Operationen an einem Eingangsvektor durchführen und z. B. n gleitende Durchschnitte bilden, die sich teilweise überschneiden oder nicht, oder mehrere Summen bilden. Das ist schon ein Anspruch für normales Feature Engineering.
2) Auch hier handelt es sich um eine Untertreibung oder ein Missverständnis. Für Faltungsnetze reicht es aus, "rohe" Daten (in pseudostationärer Form) einzuspeisen, z. B. Preisrenditen mit einer Verzögerung von 1. Das Netz erledigt den Rest.
Ich argumentiere nicht gegen Faltungsnetze, die Frage ist, WARUM sie funktionieren, insbesondere bei Bildern, Spektrogrammen usw. Die Sache ist die, dass die Vektorkomponenten miteinander "verschmiert" sind, in der Tat, das Bild ist nicht einmal ein Vektor, die Faltungsschicht einfach komprimiert die Dimension, die Multiplikation der korrelierten Bereiche durch eine Reihe von Filtern durch den Bullpen ausgewählt, können diese Filter durch verschiedene Methoden erhalten werden, aber das Bild ist, so zu sagen, ALLE gleich, und die Zeitreihe seine "Form" ist in der Tat Lärm, nur seine letzten Balken und letzten Balken von Hunderten und Tausenden von anderen Instrumenten der verschiedenen Börsen haben Sinn.
Und indem die Geschichte eines Tages einer Serie in CNN eingefügt wird undder Rest von dem Sender selbst erledigt wird. bekommen wir... was alle anderen bekommen
Forum zum Thema Handel, automatisierte Handelssysteme und Testen von Handelsstrategien
Diskussion über "Arbeiten mit Sockets in MQL, oder wie man ein Signalanbieter wird"
pavlick_, 2016.09.09 10:52
Ich bin auf Linux, daher wird ipc zu einer nicht-trivialen Aufgabe (Kommunikation zwischen Terminal unter Wine und linuex exe). Und IPC über das Netz ist ein universeller Weg. Ich verbinde das µl-Skript mit dem Linux-Programm über einen Loopback (127.0.0.1) auf demselben Computer. Im Grunde habe ich eine Linux-Api für das Terminal geschrieben (das µl-Skript verarbeitet Anfragen und sendet Kursdaten oder erteilt Aufträge).
In meiner Situation ist dies der beste Weg zur IPC, den ich bisher ausprobiert habe. Und ich möchte meine Entwicklungen nicht auf µl übertragen - ich möchte nicht an eine bestimmte Sprache gebunden sein.
Es ist möglich, dass wir der R-Gemeinschaft ein nobles Geschenk machen.
Die Zeit wird es zeigen.
Leute, es gibt eine Idee, es lohnt sich zu überprüfen, ich hatte es für eine lange Zeit, wollte ich überprüfen, konnte aber nicht herausfinden, das Paket und irgendwie vergessen und aufgegeben, aber hier las ichJ.B's Thread und erinnerte sich, es stellt sich heraus, er hat auch etwas Ähnliches:)
Wir sprechen von Kreuzkorrelation - wir können berechnen, um wie viel ein BP hinter dem anderen BP zurückbleibt und ob es überhaupt einen Zusammenhang zwischen ihnen gibt ...
Der Kern meiner Idee war es, gleichzeitig eine große Anzahl von Paaren zu überwachen und so etwas wie eine Kreuzkorrelationsmatrix zu erstellen, um jedes Paar zu vergleichen und Paare zu finden, die einander folgen, aber eines hinterherhinkt, und mit dieser Verzögerung zu handeln, da der Markt nichts Konstanteres als die Zeit hat, denke ich, dass die Berechnungen ständig bei jedem neuen Balken durchgeführt werden sollten, um sofort zu bemerken, wenn eine neue Beziehung entsteht, und auch um sofort zu bemerken, wenn diese Beziehung verschwindet ...
Sie können alles nehmen, jeden Prädiktor, aber ich denke, der beste Ansatz ist Paare, weil Marktmacher, wenn der Preis ihres Instruments ist fast immer von einem oder einem Bündel von anderen Instrumenten geführt, und die klassischen Indikatoren sind unwahrscheinlich zu passen.
ich kann versuchen, ein Neuronennetz mit dynamisch wechselnden Prädiktoren zu trainieren, kurzum, alles ist nur durch die Vorstellungskraft begrenzt ...
Ich würde versuchen, es selbst zu implementieren, aber ich bin mit einem anderen Projekt beschäftigt und möchte mich nicht zu weit aus dem Fenster lehnen.
Die Standardfunktion ccf() der Kreuzkorrelation in P
ist ein fortgeschrittenes Paket, das die Aufteilung des Spektrums in Stufen und die Überprüfung der Übergänge "wavemulcor" ermöglicht. Es kann auch viele BPs gleichzeitig vergleichen
Wir sprechen von einer Kreuzkorrelation - wir können berechnen, wie stark ein BP hinter dem anderen zurückbleibt und ob es überhaupt einen Zusammenhang zwischen ihnen gibt...
Der Kern der Idee besteht darin, gleichzeitig eine große Anzahl von Paaren zu überwachen und so etwas wie eine Kreuzkorrelationsmatrix zu erstellen, um jedes Paar miteinander zu vergleichen und Paare zu finden, die einander eine Zeit lang folgen, aber eines hinterherhinkt, und mit dieser Verzögerung zu handeln, da der Markt nichts Konstanteres hat als die Zeit. Ich denke, diese Berechnungen sollten ständig bei jedem neuen Balken durchgeführt werden, um zu bemerken, wenn eine neue Beziehung auftaucht, und auch um zu bemerken, wenn diese Beziehung verschwunden ist...
viele BPs gleichzeitig vergleichen
Sie haben Recht, wie ein Anfang, aber nicht nur Währungspaare, sondern auch Rohstoffe, Aktien, Futures, Optionen, Anleihen, Indizes und alles andere, die Sie kaufen können, vorzugsweise als ein Auftragsbuch, zumindest die zweite Preis, Volumen und Auftragsbuch, auch NLP sozialen Netzwerken, wichtige Nachrichten von selbst, und Cross-Korrelation ist für die Anpassung, Ich muss die Daten verfeinern und sie in ein Ensemble von Klassifikatoren mit unterschiedlichen Funktionen einbringen. Ich sollte Sie gleich warnen: Erstens kosten hochwertige Echtzeitdaten von den wichtigsten Börsen der Welt einen hübschen Batzen Geld, und es wird etwa > 5 Jahre dauern, eine Handelsinfrastruktur und ein fortschrittliches ML einzurichten, um diesen Strom zu verdauen.Man braucht 5 Jahre lang 3 bis 5 qualifizierte Fachleute, und das bei Gehältern von mehr als einer Million Dollar, es ist eine riesige Aufgabe, die man nicht allein bewältigen kann, außer in einer sehr "pickeligen" Form, die scheitern wird, auch wenn sie an einigen Stellen Alpha-Potenzial hat, aber es ist trotzdem schon etwas. Im Allgemeinen müssen Sie ein Fan von diesem Fall sein, dann gibt es eine Chance))) Die Hoffnung, dass das Faltungsnetz oder das rekurrente Netz alles von selbst macht, ist eine naive Sichtweise, so wie man früher über die grafischen Induktionen dachte.
PS: Öffentlich über die Einzelheiten zu diskutieren, lohnt sich aus offensichtlichen Gründen nicht, ich habe von Geschichten gehört, bisher im Westen, als Leute auf die schwarze Liste gesetzt wurden, weil sie zu substanzielle Papper zum Thema ML-Anwendung auf Algotrading hatten, und dann nahm sie niemand in irgendeinen Fonds auf, das einzige, was übrig blieb, war, im Institut zu lehren oder mit dem Markt zu handeln, youtube, Blogs zu schreiben, Trotteln beizubringen, wie man ein paar hundert Pfund versenkt(((
Lao Tzu war ein Algotrader, der sagte: "Derjenige, der weiß, redet nicht, derjenige, der redet, weiß nicht".)
Das heißt, man kann viel reden, aber nur im Allgemeinen, und die raffinierten täuschen ein wenig, wenn jemand der Sonne zu nahe kommt))))
Das gibt es schon seit Jahren bei MQL.
Ich war falsch über 2 sigmas dort, gut im Allgemeinen die Preiserhöhung über einen Zeitraum von Zeit, zum Beispiel eine Minute, als ein Merkmal kann etwa 4-5% zusätzliche Informationen darüber, wo der Preis in der nächsten Minute bewegen wird, und so weiter für 5 min 5 min für eine Stunde und so weiter, gut es ist alles sehr grob, und "Informationen" bedeutet nicht, dass es dort zu bewegen, es bedeutet, wie das Gewicht dieses Merkmals in recht komplexen Systemen, die Tausende von Merkmalen zu berücksichtigen sind. Was vorher da war, bedeutet so gut wie nichts: Lärm.
Jetzt verstehe ich es.
Das deckt sich mit meinen Beobachtungen. Ich nenne das Spiegelung (ich werde wahrscheinlich später ein paar Diagramme dazu veröffentlichen). Für die Vorhersage eines n-minütigen Preisanstiegs hat ein Blick in die Vergangenheit für die gleichen n-Minuten einen besseren Erklärungswert.
Aber darüber hinaus verfüge ich über sehr umfangreiche Daten darüber, für welchen Horizont die Vorhersagekraft am größten ist.
Woher stammen die Zahlen von 4-5 %? Wie werden sie berechnet? Signifikanz der Prädiktoren, R^2, gegenseitige Information?
Vorzugsweise Verweise aufccf() undwavemulcor
Irgendwie sind wir ohne sie ausgekommen.