Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 464
![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
GARCH
Ich habe mein eigenes Verständnis von Forex mit der Praxis, und garch nicht lösen die Probleme, die ich brauche.
Es mag den Anschein haben, dass garch viele Probleme leicht löst und mit einfachen Methoden Ergebnisse liefert, die mit komplexen MO vergleichbar sind. Aber die Eingabedaten für Garch sind durch den Preis begrenzt, und ich denke, das ist nicht genug. Wenn wir also ein MO-Modell nehmen, ihm Preise geben und die Vorhersagen mit denen von garch vergleichen, scheint es, dass sie nicht schlechter sind. Aber wenn man einem MO-Modell viel mehr Eingabedaten gibt, wird es einen erheblichen Vorteil erlangen.
Generell haben garch und andere maschinelle Lernmodelle viel gemeinsam, bei der Arbeit mit garch ist man viel näher an MO als man denkt.
In beiden Fällen (MO und Garch) wird der Preis genommen, alle möglichen Transformationen werden mit ihm gemacht, um Prädiktoren zu schaffen (Indikatoren für normale Modelle und Arima-Transformationen für Garch), und basierend auf ihnen wird der Preis modelliert, um Gewinne vorherzusagen.
Außerdem gibt es in MO eine Kreuzvalidierung, um sicherzustellen, dass alles in Ordnung ist, während es bei Garch ebenfalls einige interne statistische Prüfungen gibt.
Im Allgemeinen ist der Ansatz in beiden Fällen sehr ähnlich (etwas mit dem Preis tun, um alle Anforderungen des Modells zu erfüllen und die Zukunft vorherzusagen), nur die Art und Weise, wie dies geschieht, ist leicht unterschiedlich.
Aber offenbar ist der Preis zu zufällig, und die gefundenen Muster sind sehr klein. Ganz gleich, wie viel Zeit für das Training des Modells aufgewendet wird, seine Schätzung wird immer noch weit davon entfernt sein, perfekt zu sein, nur ein paar Prozent höher als die Schätzung einer zufälligen Schätzung.
Manchmal kann man Glück haben und diese gefundenen Abhängigkeiten, auch wenn sie klein sind, bestehen lange und bringen Gewinn. Aber sie verschwinden immer plötzlich. Das ist jetzt das Hauptproblem für mich - einige externe Indikatoren zu finden, wie z. B. Finanzberichte, die verwendet werden können, um das Modell mit einer sehr guten Schätzung zu trainieren, so dass die gefundenen Abhängigkeiten stabil sind und nicht plötzlich verschwinden.
Ich habe mein eigenes Verständnis von Forex mit der Praxis, und garch nicht lösen die Probleme, die ich brauche.
Es könnte sich herausstellen, dass Garch viele Probleme leicht lösen kann und mit einfachen Methoden Ergebnisse liefert, die mit komplexen MO vergleichbar sind. Aber die Eingabedaten für Garch sind durch den Preis begrenzt, und ich denke, das ist nicht genug. Wenn wir also ein MO-Modell nehmen, ihm Preise geben und die Vorhersagen mit denen von garch vergleichen, scheint es, dass sie nicht schlechter sind. Aber wenn man einem MO-Modell viel mehr Eingabedaten gibt, wird es einen erheblichen Vorteil erlangen.
Generell haben garch und andere maschinelle Lernmodelle viel gemeinsam, bei der Arbeit mit garch ist man viel näher an MO als man denkt.
In beiden Fällen (MO und Garch) wird der Preis genommen, es werden alle möglichen Transformationen vorgenommen, um Prädiktoren zu erstellen (Indikatoren für normale Modelle und Arima-Transformationen für Garch), und auf dieser Grundlage wird der Preis modelliert, um Gewinne vorherzusagen.
Außerdem gibt es in MO eine Kreuzvalidierung, um sicherzustellen, dass alles in Ordnung ist, während es bei Garch ebenfalls einige interne statistische Prüfungen gibt.
Im Allgemeinen ist der Ansatz in beiden Fällen sehr ähnlich (etwas mit dem Preis tun, um alle Anforderungen des Modells zu erfüllen und die Zukunft vorherzusagen), nur die Art und Weise, wie dies geschieht, ist leicht unterschiedlich.
Aber offenbar ist der Preis zu zufällig, und die gefundenen Muster sind sehr klein. Ganz gleich, wie viel Zeit für das Training des Modells aufgewendet wird, seine Schätzung wird immer noch weit davon entfernt sein, perfekt zu sein, nur ein paar Prozent höher als die Schätzung einer zufälligen Schätzung.
Manchmal kann man Glück haben und diese gefundenen Abhängigkeiten, auch wenn sie klein sind, bestehen lange und bringen Gewinn. Aber sie verschwinden immer plötzlich. Das ist jetzt das Hauptproblem: Ich muss einige externe Indikatoren finden, z. B. Finanzberichte, die mir helfen können, das Modell mit einer sehr guten Schätzung zu unterrichten, damit die gefundenen Abhängigkeiten stabil sind und nicht unerwartet verschwinden.
Mit der Praxis entwickle ich mein eigenes Verständnis von Forex, und Garch löst nicht die Probleme, die ich brauche.
Es kann den Anschein haben, dass garch viele Probleme leicht löst und mit einfachen Methoden vergleichbare Ergebnisse wie komplexe MO liefert. Aber die Eingabedaten für Garch sind durch den Preis begrenzt, und ich denke, das ist nicht genug. Wenn wir also ein MO-Modell nehmen, ihm Preise geben und die Vorhersagen mit denen von garch vergleichen, kann es scheinen, dass sie nicht schlechter sind. Aber wenn man einem MO-Modell viel mehr Eingabedaten gibt, wird es einen erheblichen Vorteil erlangen.
Generell haben garch und andere maschinelle Lernmodelle viel gemeinsam, bei der Arbeit mit garch ist man viel näher an MO als man denkt.
In beiden Fällen (MO und Garch) wird der Preis genommen, alle möglichen Transformationen werden mit ihm gemacht, um Prädiktoren zu schaffen (Indikatoren für normale Modelle und Arima-Transformationen für Garch), und basierend auf ihnen wird der Preis modelliert, um Gewinne vorherzusagen.
Außerdem gibt es in MO eine Kreuzvalidierung, um sicherzustellen, dass alles in Ordnung ist, während es bei Garch ebenfalls einige interne statistische Prüfungen gibt.
Im Allgemeinen ist der Ansatz in beiden Fällen sehr ähnlich (etwas mit dem Preis tun, um alle Anforderungen des Modells zu erfüllen und die Zukunft vorherzusagen), nur die Art und Weise, wie dies geschieht, ist leicht unterschiedlich.
Aber offenbar ist der Preis zu zufällig, und die gefundenen Muster sind sehr klein. Ganz gleich, wie viel Zeit für das Training des Modells aufgewendet wird, seine Schätzung wird immer noch weit davon entfernt sein, perfekt zu sein, nur ein paar Prozent höher als die Schätzung einer zufälligen Schätzung.
Manchmal kann man Glück haben und diese gefundenen Abhängigkeiten, auch wenn sie klein sind, bestehen lange und bringen Gewinn. Aber sie verschwinden immer plötzlich. Das ist jetzt das Hauptproblem: Ich muss einige externe Indikatoren finden, z. B. Finanzberichte, die mir helfen können, das Modell mit einer sehr guten Schätzung zu unterrichten, damit die gefundenen Abhängigkeiten stabil sind und nicht unerwartet verschwinden.
Die Inputs auf den Finanzmärkten werden immer von Menschen geprägt, die ihre eigenen Interessen haben, und sie sind zu verschiedenen Zeiten und unter gleichen Bedingungen unterschiedlich.
Besonders ausgeprägt ist dies bei der TF zu H1. Wir erhalten einen zufälligen , nicht-stationären Prozess, der aus den Wünschen relativ kleiner Gruppen von Individuen besteht.
Über D1 beginnt das Gesetz der großen Zahlen zu wirken und auch die Richtung der Bewegung wird durch die Investitionen des Staates, der großen Unternehmen und der Politik bestimmt.
Bei kleinen TF ist es sinnlos, nach Mustern zu suchen - es gibt keine. Was sich gebildet hat und wir als Muster definiert haben, sind eigentlich Kreise auf dem Wasser: waren und sind nicht. Wir können den Beginn einer Welle erwischen, sie abschneiden und auf das nächste Auftreten einer ähnlichen Welle warten, und es kann sein, dass sie gar nicht eintritt.
Bei großen TF muss eine große Anzahl von Faktoren berücksichtigt werden, da zunächst keine Klarheit über deren Einfluss auf die Zielgröße besteht. Der grundlegende Punkt ist jedoch, dass die Quelle der Bewegung kein zufälliger Prozess ist, sondern ein deterministischer Prozess, der lange produziert wird und zielgerichtet bis zur Erfüllung aufrechterhalten wird. Wir mögen es nicht verstehen/wissen, aber diese Bewegungen können von MO in Form von Mustern herausgefischt werden, die nicht ewig sind, aber deren Leben jahrelang andauern kann.
Daraus folgt, dass MO und GARCH komplementäre Instrumente sind und in einem Handelssystem kombiniert werden müssen.
Die Inputs auf den Finanzmärkten werden immer von Menschen geprägt, die ihre eigenen Interessen haben, und sie sind zu verschiedenen Zeiten und unter gleichen Bedingungen unterschiedlich.
Besonders deutlich wird dies in der TF zu H1. Wir erhalten einen zufälligen , nicht-stationären Prozess, der aus den Wünschen relativ kleiner Gruppen von Individuen besteht.
Über D1 beginnt das Gesetz der großen Zahlen zu wirken und auch die Richtung der Bewegung wird durch die Investitionen des Staates, der großen Unternehmen und der Politik bestimmt.
Bei kleinen TF ist es sinnlos, nach Mustern zu suchen - es gibt keine. Was sich gebildet hat und wir als Muster definiert haben, sind eigentlich Kreise auf dem Wasser: waren und sind nicht. Wir können den Beginn einer Welle einfangen, sie abschneiden und auf das nächste Auftreten einer ähnlichen Welle warten, und es kann sein, dass sie gar nicht eintritt.
Bei großen TF muss eine große Anzahl von Faktoren berücksichtigt werden, da zunächst keine Klarheit über deren Einfluss auf die Zielgröße besteht. Der grundlegende Punkt ist jedoch, dass die Quelle der Bewegung kein zufälliger Prozess ist, sondern ein deterministischer Prozess, der lange produziert wird und zielgerichtet bis zur Erfüllung aufrechterhalten wird. Wir mögen es nicht verstehen/wissen, aber diese Bewegungen können von MO in Form von Mustern herausgefischt werden, die nicht ewig sind, aber deren Leben jahrelang andauern kann.
Daraus folgt, dass MO und GARCH komplementäre Instrumente sind und in einem Handelssystem kombiniert werden müssen.
Ich habe es satt zu schreiben, dass es keinen Unterschied macht, welchen Zeitrahmen man nimmt, die Risiken sind überall gleich, es gibt keinen Unterschied außer beim Spread und der Kommission für Scalping, aber das ist eine andere Art von negativem Faktor. Jede Zeitreihe wird nur durch einige wenige Variablen beschrieben, vielleicht sogar nur durch 2, wie Persistenz (Heurst) und Volatilität (fraktale Dimension) und, sagen wir, die Dauer dieser nicht-periodischen Zyklen, die getrennt werden sollten, alles. Daraus lassen sich einfache und zuverlässige Modelle mit MO oder mit etwas anderem bauen. Daraus folgt, dass es niemals möglich ist, ein kontinuierlich funktionierendes Modell zu erstellen, da die Zitate zufällig sind und sich nicht-periodische Zyklen spontan bilden. Daher sind die Momente des Übergangs von einem Zyklus zu einem anderen unter den gleichen Bedingungen nicht vorhersehbar und es ist notwendig, den Maßstab der Darstellung zu ändern, um diese Zyklen als Komponenten eines größeren zu sehen. Ich glaube, dass dieses Verständnis die Grundlage ist, ohne die es unmöglich ist, den Markt als ein probabilistisches System in der richtigen Weise zu betrachten. Innerhalb nichtperiodischer Zyklen funktionieren selbst einfache Modelle gut, die Dinge werden immer zusammenbrechen, wenn sich die Zyklen ändern. Von Zyklus zu Zyklus ist der Markt immer wieder neu und anders. Und was hat die TF überhaupt damit zu tun?
Woher kommt dieser ganze tiefgründige Mist, dass kleine TFs von den Wünschen kleiner Gruppen von Menschen dominiert werden, während in großen TFs alles bestimmt wird. Die Märkte sind ein anderer Mechanismus, bei dem alles mit allem zusammenhängt, daher die Skaleninvarianz aller TFs (Anlagehorizonte).
Wenn wir von Determinismus sprechen, dann ist es die Abhängigkeit aller Zeitrahmen voneinander, denn das Zitat ist dasselbe, wir ändern nur den Maßstab des Ereignisses, es ist wie die Bewegung entlang eines Fraktals von einem niedrigeren zu einem höheren und umgekehrt.
Die Inputs auf den Finanzmärkten werden immer von Menschen geprägt, die ihre eigenen Interessen haben, und sie sind zu verschiedenen Zeiten und unter gleichen Bedingungen unterschiedlich.
Besonders deutlich wird dies in der TF zu H1. Wir erhalten einen zufälligen , nicht-stationären Prozess, der aus den Wünschen relativ kleiner Gruppen von Individuen besteht.
Über D1 beginnt das Gesetz der großen Zahlen zu wirken und auch die Richtung der Bewegung wird durch die Investitionen des Staates, der großen Unternehmen und der Politik bestimmt.
Bei kleinen TF ist es sinnlos, nach Mustern zu suchen - es gibt keine. Was sich gebildet hat und wir als Muster definiert haben, sind eigentlich Kreise auf dem Wasser: waren und sind nicht. Wir können den Beginn einer Welle einfangen, sie abschneiden und auf das nächste Auftreten einer ähnlichen Welle warten, und es kann sein, dass sie gar nicht eintritt.
Bei großen TF muss eine große Anzahl von Faktoren berücksichtigt werden, da zunächst keine Klarheit über deren Einfluss auf die Zielgröße besteht. Der grundlegende Punkt ist jedoch, dass die Quelle der Bewegung kein zufälliger Prozess ist, sondern ein deterministischer Prozess, der lange produziert wird und zielgerichtet bis zur Erfüllung aufrechterhalten wird. Wir mögen es nicht verstehen/wissen, aber man kann versuchen, diese Bewegungen mit MO in Form von Mustern herauszufischen, die nicht ewig sind, aber deren Leben jahrelang andauern kann.
Daraus folgt, dass MO und GARCH komplementäre Instrumente sind und in einem Handelssystem kombiniert werden müssen.
Auf jeder TF ist ein zufälliger nicht-stationärer Prozess. Siehat eine nicht-stationäre deterministische Komponente und eine nicht-stationäre Zufallskomponente, ebenfalls für jede TF.
Die eigenen "Wünsche" und anderen Unsinn als Erklärung für Zufälligkeit und Nicht-Stationarität zu verwenden, ist Unsinn.
Alle Informationen über den Prozess befinden sich im Prozess selbst (in der Chart-Historie, "dem Preis, der alles berücksichtigt"). Die Herausforderung besteht darin, die richtigen Informationen aus dem Prozess zu gewinnen, die für die eigenen Zwecke genutzt werden können. Die Aufgabe ist schwierig, aber lösbar.
Die Wirtschaft eines jeden Landes besteht aus der Produktion von Waren und Dienstleistungen, einem sehr deterministischen und hochgradig trägen Prozess. Es gibt Beispiele dafür, dass solche Prozesse seit Jahrzehnten vollkommen stabil sind. Eine Veränderung des Bruttoinlandsprodukts eines Landes um ein Prozent in einem Jahr ist entweder ein Erfolg oder eine Katastrophe. Ein Produktionsrückgang von 10 % in einem Land kann eine soziale Explosion auslösen.
Was wir hier erleben, ist ein Aufschäumen dieses deterministischen Prozesses. Heute löst sich dieser Schaum immer mehr von der Realwirtschaft, aber auf makroökonomischer Ebene, auf der Ebene der vierteljährlichen natürlichen Wirtschaftsindikatoren, von denen es Zehntausende gibt, bleibt alles beim Alten.
http://my-files.ru/9iyzd6
Irgendwo im Forum gab es ein Thema, bei dem jemand ähnliche Daten verwendete und einen Index für ein paar Monate vorhersagte.
Ich habe das hier gefunden.https://www.mql5.com/ru/forum/40739(auch FRED). Interessantes Thema, vielleicht werde ich eines Tages versuchen, den Eurusd im monatlichen Zeitrahmen anhand dieser Daten vorherzusagen.
Vorsicht, die Indikatoren können überarbeitet (neu gezeichnet) werden.
Die Wirtschaft eines jeden Landes besteht aus der Produktion von Waren und Dienstleistungen, einem sehr deterministischen und hochgradig trägen Prozess. Es gibt Beispiele dafür, dass solche Prozesse seit Jahrzehnten vollkommen stabil sind. Eine Veränderung des Bruttoinlandsprodukts eines Landes um ein Prozent in einem Jahr ist entweder ein Erfolg oder eine Katastrophe. Ein Produktionsrückgang von 10 % in einem Land kann eine soziale Explosion auslösen.
Was wir hier erleben, ist ein Aufschäumen dieses deterministischen Prozesses. Heute löst sich dieser Schaum immer mehr von der Realwirtschaft, aber auf makroökonomischer Ebene, auf der Ebene der vierteljährlichen natürlichen Wirtschaftsindikatoren, von denen es Zehntausende gibt, bleibt alles beim Alten.
Da ist sie wieder, die unverschämte Rhetorik: "sehr deterministisch", "extrem träge"... Sie sagen "schaumig"? und "alles bleibt beim Alten"? Es ist, als ob Sie ein Bild in Ihrem Kopf gemalt haben und dieses Bild beschreiben, ohne sich darum zu kümmern, wie weit es von der Realität entfernt ist.
Sie sind so etwas wie ein "Ökonometriker" und sollten in der Lage sein, das zu verstehen... aber nein.
Versuchen Sie, einen Artikel von Sergey Glazyev zu lesen. Dies wird für das Verständnis der Situation nützlich sein.
Derzeit bin ich der Meinung, dass man eher mit Abweichungen als mit Trends handeln sollte, da diese Trends in naher Zukunft zweifelhaft sind.
Für den Handel mit Abweichungen gibt es ein Instrument namens GARCH, das auf den Finanzmärkten weit verbreitet ist, angefangen beim Hochfrequenzhandel. Die Traumgrenze liegt bei bis zu 100 Pips. So fangen wir auf TFs bis H1 15-20 Pips und warten auf das nächste Signal. Je weniger Zeit auf dem Markt verbracht wird, desto besser ist der Expert Advisor.