Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1004
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
Ich habe früher ein anderes Produkt von ihnen gekauft und hatte keine Probleme. Aber hier hat es begonnen.
Wie beurteilen die Verkäufer die Situation - läuft alles nach Plan?
Das ist alles legitim: Die Süßigkeitenverkäufer müssen bestraft werden. IMMER.
Das Problem ist eher, dass man, wenn man etwas kauft, nicht weiß, wie es funktioniert, aber man vertraut ihm... Die Frage des Grundvertrauens ist ein Hallo aus der Kindheit(einer guten Kindheit) - Meinung.
Bitte
Die Formel zur Berechnung des Fehlers ist in der Kopfzeile der Tabelle angegeben. Lassen Sie mich das letzte Beispiel nnet erläutern: 204/(204+458) = 30,8%, d.h. das Modell produzierte insgesamt 662 Einheiten, von denen 204 falsch waren.
Die Ergebnisse sind bei 12 Währungspaaren nahezu identisch, d.h. die Modellleistung ist nahezu unabhängig von Modell und Währungspaar.
Dieses Ergebnis wird durch die sorgfältige Arbeit mit Prädiktoren erzielt, deren Vorhersagekraft sich nur wenig ändert, wenn ein Fenster mit 500 Kerzen über eine Datei mit 5000 Kerzen läuft. Die Änderungen liegen innerhalb von 5 %.
PS.
Ich kann den Tester noch nicht zeigen - ich stecke in der Anwendung des Testers für Dateien über 1000 Takte fest.
Und was haben Sie als Ziel? ZZ-Zeichen?
Angetrieben von dem starken Wunsch, diese Branche wiederzubeleben, und unter Berücksichtigung der Tatsache, dass Prognosen ausschließlich und nur auf stationären VR möglich sind
(1. Kolmogorov A. N. Interpolation undExtrapolationvon stationärenZufallsfolgen
2)Wiener N.Extrapolation, Interpolation und Glättung von stationären Zeitreihen)
Frage:
Der Wert CLOSE[i]-OPEN[i] ist nämlich nichts anderes als die Summe der Inkremente.
Eine Folge solcher Werte sollte im Grenzfall zu einer Normalverteilung tendieren.
Nun, es gibt die Meinung, dass die Folge der Rückkehrer (CLOSE[i]-OPEN[i])-(CLOSE[i-1]-OPEN[i-1]) eine stationäre Reihe ist.
Hat jemand so etwas schon einmal am NS-Eingang ausprobiert und was waren die Ergebnisse???
P.S. Max, Doc, Mishanya, Warlock, Alyosha... Wen wollen Sie mit diesem Thema angreifen? А?
1) Das sollte es nicht. Sie kann zum Beispiel viele verschiedene Randverteilungen haben.
2) Höchstwahrscheinlich falsch. Ich habe Ihnen bereits das Gegenbeispiel von vertex\done genannt. Die Nicht-Stationarität ist "kein Fehler, sondern ein Chip", der dadurch entsteht, dass die Market-Maker die "Exzesse" der Masse der Händler loswerden.
Was haben Sie als Ziel? Das ZZ-Zeichen?
Inkrement
ZZ kann ein hervorragender Trendlehrer sein, aber ich konnte keine Prädiktoren für diesen Lehrer finden - alle ergeben einen Fehler von etwa 50%.Und Kolmogorow hat, wie ich sehe, im Allgemeinen besonders auf B(k)=M[x(t)*x(t-to)]=M[(SCHLIESSEN[i]-ÖFFNEN[i])*(SCHLIESSEN[i-to]-ÖFFNEN[i-to])] geachtet und sich geweigert, etwas vorherzusagen, wenn diese Funktion nicht ganz eindeutig war.
Vielleicht ist es sinnvoll, bestimmte Bedingungen an die Arbeit der NS zu stellen?
Zum Beispiel das Überspringen unbeständiger Teile von BP, die Erkundung von Second Returns oder B(k)?
Für das ARIMA-Modell gelten ähnliche Bedingungen.
Das Modell kann trainiert werden, und es können sogar Gewinne aus einem Diagramm erzielt werden, aber wenn bestimmte Bedingungen und Anforderungen nicht erfüllt sind, kann dieses Modell ohnehin nicht gehandelt werden. Ich erinnere mich an den Stationaritätstest nach Dickey-Fuller.
Bei GARCH wird auch beobachtet, dass die Verteilung der vorhergesagten Rückkehrer den ursprünglichen Daten ähnlich ist.
Ich denke, vieles von dem, was Sie vorhaben, ist in diesem Modell bereits umgesetzt.
Was neuronkey betrifft, so kann man nicht einfach irgendwelche Zeitreihen in das Programm stecken, es auf ein maximales Ergebnis trainieren und auf den Gewinn warten. Dies führt zu einer "Überanpassung" - das Neuron speichert lediglich vorhandene Daten und ist nicht in der Lage, neue Daten adäquat zu verarbeiten. Wir müssen die Trainingsparameter anpassen und manchmal das Training stoppen und Kreuzvalidierungen durchführen, um sicherzustellen, dass die Überanpassung noch nicht eingetreten ist.
Wenn alles richtig gemacht wird, wird das Training früh genug gestoppt, wenn R2 ein wenig höher als Null ist. Das Aktienchart zeigt sowohl bei den Trainingsdaten als auch bei den neuen Daten einen stabilen Gewinn an, aber wenn die Spanne ein paar Punkte übersteigt, wird alles negativ. Für mehr Genauigkeit sollte man entweder tiefe Netze und Wochen für das Training verwenden oder selbst verschiedene Indikatoren auswählen, die zusammen mit einer Zeitreihe der Neuronik zugeführt werden sollten.
Und Kolmogorow hat, wie ich sehe, im Allgemeinen besonders auf B(k)=M[x(t)*x(t-to)]=M[(SCHLIESSEN[i]-ÖFFNEN[i])*(SCHLIESSEN[i-to]-ÖFFNEN[i-to])] geachtet und sich geweigert, etwas vorherzusagen, wenn diese Funktion nicht ganz eindeutig war.
Vielleicht ist es sinnvoll, bestimmte Bedingungen an die Arbeit der NS zu stellen?
Zum Beispiel das Überspringen unbeständiger Teile von BP durch Erkundung von Second Returns oder B(k)?
Nein, es funktioniert nicht.
Es gibt eine gute Sache auf dem Markt für Phicha Engineering - die Vernetzung von Fintechs. Sie können ähnliche, aber leicht unterschiedliche Instrumente erstellen und die Verteilungen zwischen ihnen beobachten. Aber jeder ist es leid, Merkmale aus einem BP zu extrahieren :)
Erhöhung
ZZ kann ein großartiger Trendlehrer sein, aber ich konnte keine Prädiktoren für diesen Lehrer finden - alle ergeben etwa 50% FehlerZZ ist ein kniffliges Instrument, mit dem Sie Ihre Probe auf besondere Weise vorbereiten müssen, damit Sie sich nicht selbst betrügen.
Genauigkeit "um 50" ist ganz normal, wenn Sie sphärische Daten verwenden, über 53% können Sie handeln, und im Allgemeinen Genauigkeit für diese ist eine beschissene Metrik, kann es leicht sein, Genauigkeit ~50% + -1% und Korrelation der vorhergesagten Inkremente mit Markt ist >5% (0,05) und das ist riesig, nicht ein Gral natürlich, aber genug, um in einem Portfolio mit anderen Strategien zu handeln. Verwenden Sie entweder Korrelation oder R^2 oder logloss, wenn Sie sich an Nichtlinearität gewöhnen
Und jeder hat bereits die Nase voll von der Extraktion von Merkmalen aus einem BP :)
Wir haben es schließlich mit 2 Strömen zu tun:
1. ein Strom von Ereignissen - Zeitpunkt des Erscheinens eines neuen Zitats (Intervalle zwischen ihnen)
2. die Preisreihe selbst in diesem Fluss der Ereignisse.
Heute oder morgen werde ich versuchen zu beweisen (oder zu widerlegen), dass sich z.B. die Autokorrelationsfunktion in ein und demselben gleitenden Beobachtungszeitfenster bei beliebig wechselnden Zeitpunkten der Kurswerte unterschiedlich verhält.
Worauf will ich hinaus?
А! Ich will damit sagen, dass die "Ausdünnung" eines Stroms von Ereignissen eine große Rolle spielt. Vielleicht - ein Schlüssel. Aleshenka, der Sohn, wird nicht lügen. Aber solange das alles "im Prozess" ist...
Dennoch haben wir es sozusagen mit 2 Strömen zu tun:
1. der Ereignisstrom - der Zeitpunkt des Erscheinens eines neuen Angebots (Intervalle zwischen den Angeboten)
2. die Preisreihe selbst in diesem Fluss der Ereignisse.
Heute oder morgen werde ich versuchen zu beweisen (oder zu widerlegen), dass sich z.B. die Autokorrelationsfunktion in ein und demselben gleitenden Beobachtungszeitfenster bei beliebig wechselnden Zeitpunkten der Kurswerte unterschiedlich verhält.
Worauf will ich hinaus?
А! Ich will damit sagen, dass die "Ausdünnung" eines Stroms von Ereignissen eine große Rolle spielt. Vielleicht - ein Schlüssel. Aleshenka, der Sohn, wird nicht lügen. Aber während das alles "in Arbeit" ist...
Er hat also bereits zugegeben, dass er jahrelang undicht war, dann hat er es wieder zurückgenommen und jetzt funktioniert es nicht mehr für ihn.
Wenn es ein echtes Muster für die BP-Umstellung gäbe, würde sie immer noch funktionieren. Geschichten, dass die Märkte jetzt effizienter sind und "ich früher tolle Sachen gemacht habe", funktionieren nicht.
Eigentlich gibt es niemanden, den man entlarven könnte, egal wie sehr man sich dagegen wehrt :) Aleshenka ist also ein schlechtes Sprichwort, ein neues muss her.