Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 153
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
¿Qué quieres decir con eso? Parece que hay algo interesante en la frase, pero el significado se me escapa.
Me equivoqué con lo de las 2 sigmas ahí, bueno en general el incremento del precio para un cierto periodo de tiempo, por ejemplo un minuto, como característica puede añadir alrededor de un 4-5% de información extra sobre dónde se mueve el precio en el siguiente minuto, y así durante 5 min 5 min durante una hora y así sucesivamente, bueno es todo muy aproximado, y "información" no significa que también se mueva, significa cómo ponderar esta característica en sistemas bastante complejos con miles de características. Lo que antes no significaba casi nada, ruido.
1) Comprensión estrecha de la cuestión. un filtro de red de convolución puede realizar muchas operaciones sobre un vector de entrada, y generar, por ejemplo, n medias móviles, parcialmente superpuestas o no, o tomar varias sumas. Lo cual ya es un reclamo para la ingeniería de características normal.
2) De nuevo, una subestimación o un malentendido. Para las redes de convolución, basta con alimentar los datos "en bruto" (en forma pseudoestacionaria), como los rendimientos de los precios con un desfase de 1. La red hace el resto.
No estoy discutiendo las redes de convolución, la cuestión es POR QUÉ FUNCIONAN, especialmente en imágenes, espectrogramas, etc. Lo que ocurre es que los componentes vectoriales están "emborronados" unos con otros, de hecho la imagen ni siquiera es un vector, la capa de convolución simplemente comprime la dimensión, multiplicando las áreas correlacionadas por una serie de filtros seleccionados por el bullpen, estos filtros se pueden obtener de diferentes maneras, pero la imagen es, por así decirlo, el Todo, y la serie temporal su "forma" es en realidad ruido, sólo tienen sentido sus últimas barras y las últimas barras de otros cientos y miles de instrumentos de diversas bolsas.
Y al insertar la historia de un día de una serie en la CNN yel resto lo termina la propia cadena. tenemos... lo que todo el mundo está recibiendo
Foro sobre trading, sistemas de trading automatizados y pruebas de estrategias de trading
Discusión sobre "Trabajar con sockets en MQL, o cómo convertirse en un proveedor de señales"
pavlick_, 2016.09.09 10:52
Estoy en linux, de ahí que ipc se convierta en una tarea nada trivial (comunicación entre terminal bajo wine y linuex exe). Y la CIP a través de la red es una forma universal. Conecto el script µl al programa linux a través del loopback (127.0.0.1) en el mismo ordenador. Básicamente, escribí una api de linux para el terminal (el script µl maneja las solicitudes y envía los datos de los precios o coloca las órdenes).
En mi situación esta es la mejor forma de IPC por lo que he probado. Y no quiero transferir mis desarrollos a µl, no quiero estar atado a un determinado lenguaje.
Es posible que hagamos un regalo con clase a la comunidad R.
El tiempo lo dirá.
Chicos hay una idea, vale la pena comprobar, lo tenía hace mucho tiempo, quería comprobar pero no podía averiguar el paquete y de alguna manera se olvidó y abandonó, pero aquí he leído la ramade J.B y recordó, resulta que también hizo algo similar:)
Hablamos de correlación cruzada: podemos calcular cuánto se retrasa una PA con respecto a la otra y si hay alguna conexión entre ellas...
La esencia de mi idea era monitorear simultáneamente un gran número de pares y construir algo así como una matriz de correlación cruzada para comparar cada par y encontrar pares que se sigan entre sí pero uno se retrase y operar con este retraso, ya que el mercado no tiene nada más constante que el tiempo, creo que los cálculos deben hacerse constantemente en cada nueva barra, para notar inmediatamente cuando aparece una nueva relación y también para notar inmediatamente cuando esta relación desaparece ...
Se puede tomar cualquier cosa, cualquier predictor, pero creo que el mejor enfoque son los pares, porque los creadores de mercado cuando el precio de su instrumento es casi siempre guiado por uno o un montón de otros instrumentos, y los indicadores clásicos es poco probable que se ajuste.
puedo intentar entrenar una red neuronal utilizando predictores que cambian dinámicamente, en fin, todo está limitado sólo por la imaginación...
Intentaría ponerlo en práctica yo mismo, pero estoy ocupado con otro proyecto y no quiero soltar las tripas
La función estándar ccf() de correlación cruzada en P
es un paquete avanzado con división pre-espectral en niveles y luego comprobación de cruce "wavemulcor" También puede comparar muchos BPs al mismo tiempo
Estamos hablando de correlación cruzada: podemos calcular cuánto se retrasa una PA con respecto a la otra y si hay alguna conexión entre ellas...
La esencia de la idea es monitorear simultáneamente un gran número de pares y construir algo así como una matriz de correlación cruzada para comparar cada par entre sí y encontrar pares que se sigan por un tiempo pero uno se rezague y operar este rezago, ya que el mercado no tiene nada más constante que el tiempo, creo que estos cálculos deben hacerse constantemente en cada nueva barra para notar cuando aparece una nueva relación y también para notar cuando esta relación desapareció...
comparar muchos BPs al mismo tiempo
Para empezar tienes razón, pero no sólo los pares de divisas, sino también las materias primas, acciones, futuros, opciones, bonos, índices y todo lo que se pueda comprar, preferiblemente como libro de órdenes, al menos el segundo precio, volumen y libro de órdenes, también las redes sociales PNL, las noticias importantes por sí mismas, y la correlación cruzada es para ajustar, Tengo que refinar los datos y ponerlos todos en un conjunto de clasificadores con diferentes funcionalidades. Debo advertir de entrada que, en primer lugar, los datos de alta calidad en tiempo real de las principales bolsas del mundo van a costar un dineral y se tardará unos > 5 años en montar una infraestructura de trading y un ML avanzado para digerir este flujo.Se necesitan 5 años de 3 a 5 profesionales cualificados, eso sólo con sueldos de más de mio$, es un trabajo enorme, no se puede hacer solo, salvo de forma muy "chula", que fracasará aunque sea con potencial alfa en algunos sitios, pero sin embargo ya es algo. En general, usted tiene que ser un fan de este caso, entonces hay una oportunidad))) Esperar que la red convolucional o recurrente lo haga todo por sí misma, es una visión ingenua, del mismo modo que antes se pensaba en las inducciones gráficas.
PD: Discutir públicamente lo específico, por razones obvias, no vale la pena, he escuchado de historias, hasta ahora en Occidente, cuando la gente estaba en la lista negra por papers demasiado sustanciosos en el tema de la aplicación del ML al algotrading, y luego nadie los llevaba a ningún fondo, lo único que quedaba era enseñar en el instituto o lidiar con el mercado, youtube, escribir blogs, enseñar a los imbéciles a hundir un par de cientos de libras(((
Lao Tzu decía: "El que sabe, no habla; el que habla, no sabe").
Es decir, se puede hablar mucho, pero sólo en general, y los sofisticados engañan un poco cuando alguien se acerca demasiado al sol))))
Esto ha estado en MQL durante años.
Me equivoqué con lo de las 2 sigmas ahí, bueno en general el incremento del precio en un periodo de tiempo, por ejemplo un minuto, pues una característica puede añadir alrededor de un 4-5% de información extra sobre dónde se moverá el precio en el siguiente minuto, y así durante 5 min 5 min durante una hora y así sucesivamente, bueno es todo muy aproximado, y "información" no significa que se vaya a mover ahí también, significa cómo el peso de esta característica en sistemas bastante complejos que tienen en cuenta miles de características. Lo que había antes no significa casi nada, el ruido.
Ahora lo entiendo.
Es coherente con mis observaciones. Yo lo llamo "mirroring" (probablemente publicaré un par de gráficos sobre esto más adelante). Para predecir un aumento de precios de n minutos, mirar hacia atrás en el tiempo para los mismos n minutos muestra un mejor valor explicativo.
Pero más allá de eso tengo datos muy amplios sobre qué horizonte el poder de predicción es mayor.
¿De dónde salen las cifras del 4-5%? ¿Cómo se calculan? ¿Significación de los predictores, R^2, información mutua?
Preferiblemente referencias accf() ywavemulcor
De alguna manera nos las arreglamos sin ella.