Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 181
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
Micha, ¿otra vez?)) hilarante... No sé tú, pero nosotros compartimos, régimen y trituramos))))
Precioso. ¿Son estos gráficos serios, o un sarcasmo? ¿Partición manual del hiperespacio?
Precioso. ¿Son estos gráficos serios, o un sarcasmo? ¿Partición manual del hiperespacio? ¿Cómo se hace si los predictores no son 2, sino 20?
Precioso. ¿Son estos gráficos serios, o un sarcasmo? ¿Partición manual del hiperespacio? ¿Cómo hacerlo si los predictores no son 2, sino 20?
La esencia es la misma, nada cambia fundamentalmente si las fichas son cuasi ortogonales, si no es así es deseable comprimir la dimensionalidad, pero en general no importa, sea 1 o 3 o 30, es sólo un proceso de "enmascaramiento" del hiperespacio, en el caso de la clasificación
Si la dimensionalidad se reduce en un orden de magnitud, el entrenamiento es significativamente más fácil, y el ruido de compresión debería reducirse, imho.
depende de la tarea a realizar....
Por ejemplo, cuando se necesita precisión en la entrada, como era mi caso, estaba entrenando el algo para los rebotes, entonces con una disminución de la dimensionalidad (hice "PCA") la visión del algo se vuelve un poco borrosa y en lugar de captar el rebote comienza a comprar en los días de baja y vender en los de baja
Si la dimensionalidad se reduce en un orden de magnitud, el entrenamiento es mucho más fácil y el ruido de compresión debería disminuir, en mi opinión.
Por supuesto, pero aquí no es tan sencillo, por ejemplo, la SVM es lineal, con todo lo que ello implica, pero otra cosa es la versión del kernel favorita de todos, pero ¿por qué? Se trata del "truco del núcleo", que no hace más que proyectarse en un espacio mucho más multidimensional, pues e^(-||w-x||^k) es infinito, ¿por qué crees que los clasificadores de núcleo más simples funcionan tan bien? La cuestión es que las dimensiones se hacen proporcionalmente más grandes que el número de secciones en las que se dividió la muestra para multiplicar cada kernel y, dependiendo de la función del kernel, jugar con el tamaño del kernel para la SVM del kernel y su velocidad de aprendizaje y cálculo. La multidimensionalidad no siempre es mala.
Concretamente en nuestro caso, como han dicho correctamente algunos señores de arriba, se trata de datos, no de herramientas de aprendizaje automático. Los trucos de compresión dimensional y los extractores automáticos de redes convolucionales no servirán de nada si la entrada es un ruido multidimensional o unidimensional :)
https://en.wikipedia.org/wiki/Renaissance_Technologies
La empresa es una de las primeras pioneras delcomercio cuantitativo, en el que los investigadores aprovechan décadas de datos diversos en su vastoalmacén de datos a escala de petabytes para evaluar las probabilidades estadísticas de la direcciónde los precios en cualquier mercado. Los expertos atribuyen a la amplitud de los datos sobre acontecimientos periféricos a los fenómenos financieros y económicos que Renaissance tiene en cuenta, y a la capacidad de la empresa para manipular enormes cantidades de datos mediante el despliegue de arquitecturas tecnológicas altamente eficientes y escalables para el cálculo y la ejecución, su éxito constante a la hora de batir a los mercados. [19] En muchos sentidos, Renaissance Technologies, junto con algunas otras empresas, lleva casi dos décadas sintetizando terabytes de datos a diario y extrayendo señales de información de petabytes de datos, mucho antes de que elbig data y laanalítica de datos captaran la imaginación de la corriente tecnológica.[20]
Durante más de veinte años, elfondo de cobertura Renaissance Technologies, que opera en los mercados de todo el mundo, ha empleado complejos modelos matemáticos para analizar y ejecutar operaciones, muchas de ellas automatizadas. La empresa utiliza modelos informáticos para predecir la evolución de los precios de instrumentos financieros de fácil negociación. Estos modelos se basan en el análisis de todos los datos posibles y en la búsqueda de movimientos no aleatorios para hacer predicciones. Algunos también atribuyen los resultados de la empresa al empleo de técnicas deprocesamiento de señales financieras, como el reconocimiento de patrones.The Quants describe la contratación de expertos en reconocimiento de voz, muchos de ellos procedentes de IBM, incluidos los actuales dirigentes de la empresa.
La cuestión es cómo un simple algotrader que no puede donar más de 1-2k$ al mes en datos puede sobrevivir entre monstruos como Goldman, Renaissance y Tesa. Cómo encontrar los datos más relevantes, la punta del iceberg de lo que utilizan los supergigantes.
Ya que te atreves a comparar los productos de fabricación propia con el trabajo de las grandes organizaciones, me parece que deberías dejar de buscar algún tipo de patrón gráfico o indicador y centrarte en lo que hacen exactamente.
hay una solución interesante mencionada aquí, https://www.mql5.com/ru/forum/96886/page2#comment_2866637
Sin embargo, si se buscan patrones en cómo los grandes jugadores mueven sus órdenes, cómo se ejecutan, cómo se comporta el precio después de un gran mercado o iceberg, etc, Es posible que aún funcione en la bolsa de Moscú si envían flujo bruto en lugar de flujo agregado. en la bolsa adyacente hace un año introdujeron de nuevo el flujo agregado desde el núcleo de la bolsa. en la renta variable puede haber dificultades porque hay demasiados ECNs más darkpools.
¿quizás mantenerlo simple?
Intenta analizar a la multitud y a ti mismo también, y predecir las acciones de la multitud y luego actuar a la inversa, porque todos estos monstruos como Goldman, Renaissance y Teza, siempre necesitan un contra-agente (pringado) en una operación, cuya liquidez abre su posición y luego lleva al pringado a su propio stop-loss, provocando así una salpicadura de liquidez en la otra dirección y sobre la misma liquidez y cerrar su posición, mientras el pringado pierde... Así es el mercado.Si encuentras a la multitud, encontrarás a los grandes...
Incluso me parece que la competencia de esos monstruos Goldman, Renaissance y Tesa en el mercado se trata de ver quién vierte el dinero más rápido al pringado... Y no hay que creer estos cuentos sobre los billones de dólares de facturación del mercado, los bancos tienen billones, y la multitud tiene siempre dinero finito y la suma es mucho más modesta, y ellos (los bancos) esperan cada día con impaciencia nuevos campesinos en su país de las maravillas, simulando actividad, en la copa y en el mercado en general