Bayes'sche Regression - Hat jemand einen EA mit diesem Algorithmus erstellt? - Seite 47
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
26000 Std.
Stellenbeschreibung
BERUFLICHE VORAUSSETZUNGEN (am meisten schätzen wir den Wunsch, unterwegs zu lernen):
Neuronale Netze: Unüberwachtes Lernen: FNN, RNN (rekurrente neuronale Netze, einschließlich LSTM), RBF, usw.
Programmiererfahrung (oder die Bereitschaft, diese zu erlernen) in Python (und eine Reihe von Bibliotheken für alle statistischen Zwecke)
Datenanalysebibliotheken in Python (theano, Torch, Pandas, NumPy, scikit-learn) oder ihre Entsprechungen in R
einige Erfahrung mit maschinellem Lernen, kollaborativer Filterung, Clusteranalyse, Graphentheorie
andere gemischte Ansätze: ANFIS (adaptives netzbasiertes Fuzzy-Inferenzsystem)
Fortgeschrittene Kenntnisse in Statistik und Zeitreihen: Stochastische ProzesseWerkzeuge: SSA/SVD, RSSA, FIMA/ARFIMA, Nichtlineares Autoregressives Exogenes Modell (NARX), (N)GARCH und seine Derivate, Hurst Exponent und seine Anwendungen, Rekurrenzquantifizierungsanalyse (RQA)
AUFGABEN (nach Prioritäten geordnet):
Statistische Analyse von Finanzdaten, ökonometrische Anwendungen
Aufbau von Diensten und Rahmenwerken für die interaktive verteilte Verarbeitung von Abfragen über große Datenmengen
28000 UAH
Stellenbeschreibung
BERUFLICHE VORAUSSETZUNGEN (am meisten schätzen wir den Wunsch, unterwegs zu lernen):
Fachkenntnisse in der Technologie der natürlichen Sprachverarbeitung (NLP)
NLP-Implementierungen in Python (NLTK) oder andere entwickelte Implementierungen
Neuronale Netze: unüberwachtes Lernen: RNN (rekurrente neuronale Netze), FNN, RBF, etc.
Programmiererfahrung (oder die Bereitschaft, diese zu erlernen) in Python (und eine Reihe von Bibliotheken für alle statistischen Zwecke)
Datenanalysebibliotheken in Python (theano, Torch, Pandas, NumPy, scikit-learn) oder ihre Entsprechungen in R
einige Erfahrungen mit maschinellem Lernen, kollaborativer Filterung, Clusteranalyse, Graphentheorie
andere gemischte Ansätze: ANFIS (adaptives netzbasiertes Fuzzy-Inferenzsystem)
25000 UAH
Job Description
PROFESSIONAL REQUIREMENTS:
Fortgeschrittene Kenntnisse in Statistik und Zeitreihen: Darstellung von Zeitreihen mit reduzierter Dimensionalität, z. B. diskrete Fourier-Transformation, Einzelwertzerlegung (SVD), diskrete Cosinus-Transformation, diskrete Wavelet-Transformation, adaptive stückweise konstante Approximation, Tschebyscheff-Polynome, symbolische Aggregat-Approximation, indexierbare stückweise lineare Approximation usw.
Erfahrung bei der Messung der Ähnlichkeit von Zeitreihen: Euklidischer Abstand (ED), Dynamic Time Warping (DTW), Longest Common Subsequence (LCSS), Edit Distance with Real Penalty (ERP), Edit Distance on Real sequence (EDR), DISSIM, Sequence Weighted Alignment model (Swale), Spatial Assembling Distance (SpADe) und Ähnlichkeitssuche auf der Grundlage von Threshold Queries (TQuEST)
Serious knowledge of Stochastic processes Tools: RSSA, FIMA/ARFIMA, Nichtlineares Autoregressives Exogenes Modell (NARX), (N)GARCH und seine Derivate, Hurst Exponent und seine Anwendungen, Rekursionsquantifizierungsanalyse (RQA)
Programmiererfahrung (oder die Bereitschaft, diese zu erlernen) in Python (und einer Reihe von Bibliotheken für alles, was mit Statistik zu tun hat) Datenanalysebibliotheken in Python (theano, Torch, Pandas, NumPy, scikit-learn) oder deren Äquivalente in R, Octave für schnelles Prototyping
einige Erfahrung mit maschinellem Lernen, kollaborativer Filterung, Graphentheorie
Diese Methoden werden TATSÄCHLICH von Market-Makern bei ihrem Handel eingesetzt. Und natürlich gibt es auch irgendwo da draußen Bayesses. Aber nicht auf unverschämte Art und Weise - für Preisprognosen auf dem Devisenkassamarkt!
Ups, ich vergaß hinzuzufügen, dass ich keine der oben genannten Listen verwende. Das ist wahrscheinlich der Grund, warum es bei mir funktioniert.....
Ich erlebe täglich, wie jemand mit einem veralteten MT4 und dem dazugehörigen primitiven Algo-TS einen Umsatz von mehr als 5 Mrd. USD pro Tag macht und dabei einen täglichen Gewinn von plus/minus ein paar hundert USD erzielt. Die mathematische Erwartung ist positiv. Sicherlich über eine Million USD pro Monat.
Wo sind Ihre ***Fonds, die diesen Kindergarten nicht replizieren können, der (nach der Geschichte zu urteilen) fast ein Jahr lang real dauert (sogar noch länger im Tester)?
Dumme primitive Strategie bringt Ihnen mehr "Quons" pro Monat als Ihre "Quons" seit Jahren
Ich habe Ihnen hier schon oft gesagt, dass Quons, Algotrader, Market Maker keine Idioten sind, dass sie ein GUTES Verständnis von Mathematik haben, dass sie nicht 100K+ GEL pro Jahr + Bonus bekommen, aber Sie alle scheinen es nicht zu verstehen.
Wo sind sie? Ich habe alle Foren und Monitore durchsucht. Ich habe alle Foren und Monitore durchforstet, und niemand handelt mit diesem profitablen Muster. Und die Geschichte zeigt alles sehr gut. Das interessiert niemanden. Ich habe es selbst probiert - es kam schwach heraus. Tatsache ist jedoch, dass Trivialitäten mehr Gewinn bringen als ***-Fonds.
Ich erlebe täglich, wie jemand mit einem veralteten MT4 und dem dazugehörigen primitiven Algo-TS einen Umsatz von mehr als 5 Mrd. USD pro Tag macht und dabei einen täglichen Gewinn von plus/minus ein paar hundert USD erzielt. Die mathematische Erwartung ist positiv. Sicherlich über eine Million USD pro Monat.
Wo sind Ihre ***Fonds, die diesen Kindergarten nicht replizieren können, der (nach der Geschichte zu urteilen) fast ein Jahr lang real dauert (sogar noch länger im Tester)?
Dumme primitive Strategie gibt einen Monat mehr als Ihre "Quants" seit Jahren
Wo sind sie? Ich habe alle Foren und Monitore durchsucht. Ich sehe dieses profitable Muster nicht. Und die Geschichte zeigt alles perfekt. Das interessiert niemanden. Ich habe es selbst probiert - es kam schwach heraus. Aber Tatsache ist, dass Trivialität mehr bringt als ***-Gelder.
Lesen Sie das Buch "Quanten als Zauberer". Darin verwenden alle Mathematiker quantitative Methoden und nicht irgendwelche abgedroschenen Formeln. Es gibt dort Ärzte und Professoren.
Warum verwenden sie dann keine komplizierten mathematischen Konstruktionen? Weil sie wahrscheinlich nicht funktionieren. Der Markt ist nicht linear.
Meiner Meinung nach ist die Verwendung höherer Algebra im Handel so, als würde man ein Quadrat in ein Rund stecken. Mathematik ist sicherlich notwendig. So ist beispielsweise die lineare Regression ein gutes Beispiel für die Anwendung von Mathematik im Handel.
Behaupten, mit dem Handel Geld zu verdienen... Nein, ist es nicht. Man braucht keine Mathematik, um mit dem Handel Geld zu verdienen, ganz und gar nicht.
Alles, was ich verdient habe, verdanke ich einer so dummen Mathematik, dass es kaum zu glauben ist. Sobald ich etwas Kompliziertes mache, verliere ich sofort.
Aber es ist nicht einmal mein eigenes Beispiel. Es geht darum, was ich von außen beobachten konnte. Es ist der Primitive, der einen riesigen Gewinn macht. Zumindest auf dem Rückstau.
Bitcoin konnte früher mit einer einfachen EMA-Crossover-Strategie gehandelt werden. Es funktionierte bis zum Konkurs einer der großen Börsen mtgox, irgendwann vor dem Frühjahr 2014, dann brach es zusammen. Und ich bin sicher, dass Forex schon vor Jahrzehnten mit der gleichen EMA-Crossover-Strategie gehandelt werden konnte. Es stimmt also, dass primitive Algorithmen manchmal sehr gut funktionieren. Ich persönlich bin der Meinung, dass die Charts von Devisenpaaren fast zufällig sind, sehr verrauscht, aber gleichzeitig gehorchen sie einigen einfachen Gesetzen. Das Problem ist, dass Forex-Charts, als ob versuchen, loszuwerden, die Muster im Laufe der Zeit gefunden, desto mehr Menschen Handel die gleiche Strategie, desto schneller wird es aufhören zu arbeiten. Wenn Sie ein einfaches Muster finden, das noch niemand gefunden hat, können Sie damit Geld verdienen.
Bitcoin konnte früher mit einer einfachen EMA-Crossover-Strategie gehandelt werden. Dies funktionierte bis zum Konkurs einer der großen Börsen mtgox, irgendwann vor dem Frühjahr 2014, dann brach es zusammen. Und ich bin sicher, dass Forex schon vor Jahrzehnten mit der gleichen EMA-Crossover-Strategie gehandelt werden konnte. Es stimmt also, dass primitive Algorithmen manchmal sehr gut funktionieren. Ich persönlich bin der Meinung, dass die Charts von Devisenpaaren fast zufällig sind, sehr verrauscht, aber gleichzeitig gehorchen sie einigen einfachen Gesetzen. Das Problem ist, dass Forex-Charts, als ob versuchen, loszuwerden, die Muster im Laufe der Zeit gefunden, desto mehr Menschen Handel die gleiche Strategie, desto schneller wird es aufhören zu arbeiten. Wenn Sie ein einfaches Muster finden, das noch niemand gefunden hat, können Sie damit Geld verdienen.
Dieser Thread ist inzwischen mit Hassern übersät. Dies gilt nicht für Sie.
Ich hoffe, dass es möglich sein wird, etwas Konstruktives zu diskutieren.
Als Antwort auf Ihren Beitrag kann ich Ihnen zustimmen, und ich beschäftige mich selbst schon seit einiger Zeit mit dem Thema der langfristigen und wiederkehrenden Muster.
Schauen Sie sich das an (es ist natürlich PR, aber nicht das Produkt, sondern die Grundidee): https://c.mql5.com/1/37/teaser2.JPG
Was ist das? Es ist das Ergebnis der Validierung des maschinellen Lernens bei der Vorhersage des Vorzeichens von Forex-Kurssteigerungen (regulärer Spot-Forex vom Terminal). Innerhalb der Whiskerbox liegen 49 Stichproben mit jeweils einigen tausend Beobachtungen. Die Punkte zeigen den Genauigkeitsgrad der binären Klassifizierung für jede der Validierungsstichproben an.
Warum gibt es so viele Proben? Sie stammen aus demselben Zeitintervall von etwa 5 Jahren für 5 Währungspaare zusammengenommen, also aus insgesamt 25 Jahren. In jeder Stichprobe werden die Beobachtungen jedoch in zufällig großen Schritten genommen, um sie voneinander unabhängig zu machen. Und jede der Stichproben deckt unabhängig von den anderen Zeiträume innerhalb des Validierungszeitraums ab.
Die kurze Schlussfolgerung aus diesem Diagramm ist, dass ich eine stabile 55%ige Genauigkeit der Zeichenerkennung für einen Vorhersagehorizont von 30+ Minuten erhalte. Und es kann statistisch nachgewiesen werden, dass dieses Ergebnis nicht zufällig ist. Die Maschine erkennt also bei 10 * 5 = 50 Trainingsjahren die langfristigen Abhängigkeiten in den Daten von 5 Jahren und besteht den Validierungstest. All dies, wieder für 5 Währungspaare, die zur gleichen Zeit genommen werden, und die Maschine unterscheidet nicht zwischen ihnen.
Ein weiterer Versuch: https://c.mql5.com/1/36/charts-5-9.JPG
Dies ist bereits eine inkrementelle Regression für dieselben Daten. Gleiche 49 Validierungsstichproben und festgelegte Metrik = 1 - (MAE für Vorhersagen / MAE für Stichprobenmittelwert). Das heißt, um wie viel wir den absoluten Fehler im Vergleich zum Stichprobenmittelwert verringern (er liegt sehr nahe bei Null). Die Statistik ist aussagekräftig genug, um zu sagen, dass das Ergebnis nicht zufällig ist.
Auch hier lernt die Maschine universelle und konsistente Muster.
Blog zu diesem Experiment: https://www.mql5.com/ru/blogs/post/661499
Aber ich habe es nicht geschafft, eine positive mathematische Erwartung in Punkten zu bekommen. Und ich bezweifle bereits, dass ich dazu in der Lage sein werde. Vielleicht werde ich versuchen, für jedes Paar ein eigenes Modell anzufertigen. Ob sich solche Vorhersagen irgendwie auf den Handel übertragen lassen - das ist für mich eine große Frage.
Ihre Meinung wird nützlich sein.
Dieser Thread ist inzwischen mit Hassern übersät. Dies gilt nicht für Sie.