Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 837

 
SanSanych Fomenko:

GARCH wird im Gegensatz zum maschinellen Lernen auf den Finanzmärkten als Mainstream bezeichnet (zusammen mit Kointegration und Portfolios).

Die Modelle berücksichtigen eine Reihe von statistischen Nuancen von Inkrementen, darunter dicke Schwänze und ein langes Gedächtnis à la Hurst.

Es gibt zum Beispiel eine Veröffentlichung über die Wahl der Parameter von GARCH-Modellen für ALLE Aktien, die im S&P500 Index enthalten sind!

Es gibt eine Vielzahl von Veröffentlichungen über die Anwendung im Forex-Bereich. Das Toolkit ist sehr gut entwickelt. Zum Beispiel das Paket rugarch.

Hier ist ein Wikipedia-Artikel über fraktale Volatilität, es handelt sich nicht um Rugarch, sondern um eine Art von Analogie.

garch ist hart für meine ts, ich liebe es, wenn alles schnell zählt
 
Mishas wilder Sprung fehlt.... Der Gral hat ihn weggetragen und die leidende Seele ist verloren....
 
Ich werde zuerst eine Volatilitätsprognose erstellen und dann überlegen, was ich damit anfangen soll :)
 
Maxim Dmitrievsky:

Zum Thema Vorhersage der Volatilität. Nehmen wir an, dass die Vorhersage der Volatilität viel einfacher ist als die Vorhersage des Kurses selbst

Und es gibt sogar alle Arten von Modellen wie https://en.wikipedia.org/wiki/Markov_switching_multifractal

Was bringt es, wie wendet man es richtig an, hat schon jemand etwas damit gemacht?

Nun, okay, die Volatilität wurde vorhergesagt, was ist los?

Ich habe alle Forex-Strategien ausprobiert, die ich überprüft habe, und sie durch die Volatilität begrenzt. Schwellenwert höher oder niedriger, es hat mir nichts gebracht.

Ich habe viele gute Angebote bei niedriger Volatilität und gute Angebote bei hoher Volatilität. Ich kann sie nicht mit Bestimmtheit bestimmen.

 
forexman77:

Nun, ok, vorhergesagte Volatilität, was bedeutet das für Sie?

Bei allen Forex-Strategien, die ich getestet habe, habe ich versucht, sie auf die Volatilität zu begrenzen. Schwellenwert höher oder niedriger, es hat mir nichts gebracht.

Ich habe viele gute Angebote bei niedriger Volatilität und gute Angebote bei hoher Volatilität. Ich kann sie nicht nach ihrer Volatilität unterscheiden.

Ich versuche, in die Fußstapfen der Coryphäen zu treten. Sie schrieben, dass man die Volatilität vorhersagen muss.

 
Maxim Dmitrievsky:

Ich versuche, in die Fußstapfen der Coryphäen zu treten )) Sie schrieben, dass man die Volatilität vorhersagen sollte

Glauben Sie, dass das Gerüst nützlich ist? Vielleicht werde ich versuchen, es in Zukunft zu studieren?

 
forexman77:

Wie denken Sie, dass Gerüste in irgendeiner Weise nützlich sind, ich werde wahrscheinlich versuchen, sie in Zukunft zu erforschen?

Warten Sie auf den Artikel über den Gerüstbau, er wird bald erscheinen.

Was die Volatilität anbelangt, so kann sie dazu verwendet werden, den TS-Modus zu wechseln, je nach Ochsen.

Und wenn die Volatilität ebenfalls vorhergesagt werden kann, dann kann der Devisenmarkt früher und ohne Verzögerung in einen anderen Modus wechseln.

So habe ich es verstanden

 
Dr. Trader:

Hier ist auch ein Beispiel mit vtreat,

In der Regel handelt es sich dabei um eine Datenvorverarbeitung, die jedoch auch als Schätzung der einzelnen Prädiktoren im Verhältnis zum Ziel verwendet werden kann. Mir gefällt nicht, dass das Paket keine Prädiktorinteraktionen berücksichtigt. Verwenden Sie den Code nur, wenn Sie nur einen Prädiktor nach dem anderen relativ zum Ziel schätzen müssen.

library(vtreat)


#designTreatmentsC  подходит только для классификации с двумя классами
treatmentsC <- designTreatmentsC(dframe = forexFeatures,
                                 varlist=colnames(forexFeatures)[-ncol(forexFeatures)], #названия  колонок с предикторами (тут - все кроме последней колонки)
                                 outcomename = colnames(forexFeatures)[ncol(forexFeatures)], #названия  колонок с таргетом (тут - последняя колонка)
                                 outcometarget = "1") #текст  или цифра одного из классов
#обработка,  сортировка результата
treatmensC_scores <- treatmentsC$scoreFrame[order(treatmentsC$scoreFrame$sig),]
treatmensC_scores <- treatmensC_scores[!duplicated(treatmensC_scores$origName),]
treatmensC_scores <- treatmensC_scores[,c("origName","sig")] 
treatmensC_scores$is_good <- treatmensC_scores$sig <= 1/nrow(forexFeatures)
treatmensC_scores #вывод на экран таблички результатов. Лучшие предикторы вверху таблицы. Чем оценка sig меньше тем лучше. Желательно (колонка is_good==TRUE) чтоб sig была меньше чем 1/nrow(forexFeatures), всё что больше - плохо 

Experimentiert mit vtreat.

Hier ist eine Matrix der Ergebnisse
[,1] [,2]
[1,] 5 8.12444537234629e-196
[2,] 1 1.98504271239423e-144
[3,] 7 2.36022454522949e-109
[4,] 11 5.68901830573741e-102
[5,] 4 6.60631002751930e-96
[6,] 10 2.95535252032342e-73
[7,] 3 2.43324301115409e-71
[8,] 9 4.51329770717951e-67
[9,] 6 3.11264518399281e-37
[10,] 2 5.77058632985908e-13
[11,] 12 3.76158923428915e-12
[12,] 8 8.18815163303239e-01

Formel

 treatmensC_scores$sig <= 1/nrow(forexFeatures)

Die Auswahl ist nicht sehr gut. So wird zum Beispiel die 3. von unten nach der Sortierung der Eingabe mit sig=5,77e-13 bei 1/nrow(df)=2e-4 übersehen. Außerdem ist es laut und stört das Training.
Das heißt, wir sollten die Auswahl um mehrere Größenordnungen verschärfen. Und es wäre wünschenswert, wenn dies automatisch geschehen würde.

 
elibrarius:

Experimentiert mit vtreat.

Hier ist die Ergebnismatrix
[,1] [,2]
[1,] 5 8.12444537234629e-196
[2,] 1 1.98504271239423e-144
[3,] 7 2.3602245454522949e-109
[4,] 11 5.68901830573741e-102
[5,] 4 6.60631002751930e-96
[6,] 10 2.95535252032342e-73
[7,] 3 2.43324301115409e-71
[8,] 9 4.51329770717951e-67
[9,] 6 3.11264518399281e-37
[10,] 2 5.77058632985908e-13
[11,] 12 3.76158923428915e-12
[12,] 8 8.18815163303239e-01

Er hebt nicht sehr gut ab. Zum Beispiel wird die 3. von unten nach der Sortierung der Eingabe mit sig=5.77e-13 bei 1/nrow(df)=2e-4 übersehen. Außerdem ist es laut und stört das Training.
Das heißt, wir sollten die Auswahl um mehrere Größenordnungen verschärfen. Und es wäre besser, wenn dies automatisch geschehen würde.

Im Allgemeinen verwende ich dieses spezielle Paket, um die Prädiktoren auszuwählen. Es ist klar, dass es Nachteile gibt, insbesondere das Fehlen der Interaktion mehrerer Prädiktoren in Bezug auf den Zielprädiktor. Aber im Großen und Ganzen reicht es für meine Optimierung bisher aus... Wenn es also andere Pakete für die Datenvorverarbeitung gibt, würde ich sie gerne in Betracht ziehen...

 
Mihail Marchukajtes:

Im Allgemeinen verwende ich dieses spezielle Paket zur Auswahl von Prädiktoren. Es ist klar, dass es Nachteile gibt, insbesondere die fehlende Interaktion mehrerer Prädiktoren in Bezug auf das Ziel. Aber im Großen und Ganzen reicht es für meine Optimierung bisher aus... Wenn es also andere Pakete für die Datenvorverarbeitung gibt, würde ich mich freuen, sie zu berücksichtigen...

Nun, Michael, du hast dich von deinem Wahnsinn erholt, wirst du bald anfangen, deinen TS vernünftig und ohne Fanatismus zu bewerten? :)