Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1713

 
Renat Akhtyamov:

¿Qué, sólo buscan un sistema para ganar dinero?

señores, sólo buscan un sistema para ganar dinero

pero nadie, absolutamente nadie, puede hacerlo

Sólo nos interesa resolver un problema interesante, sobre todo cuando empieza a resolverse.
 
mytarmailS:

Cuando los científicos quieren dar sentido a algún proceso complejo....

Curiosamente, voy a indagar...

 
mytarmailS:

Cuando los científicos quieren entender un proceso complejo, intentan descomponerlo en componentes más sencillos y analizarlos, por lo que se creó el análisis espectral. Intentemos jugar a los científicos), aunque no con mucho éxito. He descubierto cómo descomponer el precio en componentes más sencillos. Mi descomposición no tiene aditividad, y eso es malo, pero sigue siendo interesante mirar el precio desde un ángulo diferente .

Así que necesitamos el precio de cierre y la volatilidad (máximos).

Convirtamos el precio en un binario condicional - si la subida del precio es mayor que la anterior, entonces "1" si es menor, entonces "-1".

Código R

obtenemos un precio binario

puede hacerla acumular y compararla con el precio.

No parece mucho) Ahora añadamos la volatilidad a nuestra serie

Ya está mejor...

Ideas...

IDEA 1

Por lo tanto, casi todo el "tiempo" está determinado por la volatilidad "intra-horario", no por una dirección de precios "binaria". La cuestión es que la volatilidad tiene una pronunciada estacionalidad y es relativamente fácil de predecir, sólo tenemos que predecir el precio binario, que es más fácil en su estructura que el precio ordinario y luego simplemente combinar las previsiones y obtener una previsión completa...


IDEA 2

Todos los algoritmos apropiados de MO aprenden muy mal de los precios brutos incluso si están normalizados porque no tienen repetitividad en las series, probablemente sólo por la volatilidad que siempre es diferente, si descomponemos el precio en binario y volatilidad, normalizamos la volatilidad y los añadimos de nuevo, o no los normalizamos y los alimentamos a MO, en teoría deberíamos obtener una mejor capacidad de generalización porque la repetibilidad aumentará


IDEA 3

Con la descomposición podemos suavizar los precios sin perder ningún retraso. Podemos descomponer el precio e interpolar (estirar) la volatilidad y el precio por separado y luego volver a sumar


IDEA 4

Podemos descomponer los precios y la volatilidad de los clusters, es decir, reducir los grados de libertad (por ejemplo, 10 clusters (estados), es decir, estandarizarla y devolver la volatilidad estandarizada

La propuesta de descomponer un proceso complejo en sus componentes es muy sensata. Esa es la forma de proceder. Pero por alguna razón tienes muy pocos componentes. Hay muchos parámetros de mercado, incluidos los derivados, que pueden añadirse al estudio. Tienes una poderosa herramienta: el modus operandi. ¿Por qué no intentar construir un sistema paramétrico coherente y lógico, en el que buscar patrones estadísticos con la ayuda del MO?

Amplíe el conjunto de parámetros del estudio, organizándolos previamente por conexiones y dependencias, cuya fuerza comprobará estadísticamente.

Si se dejan 2-3 parámetros, la utilidad del estudio se perderá, porque la aleatoriedad del proceso para nosotros, es inversamente proporcional al número de parámetros conocidos y sus relaciones. Cuantos más haya, menos aleatoriedad veremos en el proceso. Por lo tanto, construye el sistema y añade parámetros.
 
Konow reg:
La propuesta de descomponer un proceso complejo en sus partes constitutivas es muy razonable. Esa es la manera de hacerlo. Pero no tienes suficientes electores. Hay muchos parámetros de mercado, incluidos los derivados, que pueden añadirse al estudio. Tienes una poderosa herramienta: el modus operandi. ¿Por qué no intentar construir un sistema paramétrico coherente y lógico, en el que buscar patrones estadísticos con la ayuda del MO?

Amplíe el conjunto de parámetros del estudio organizándolos previamente con enlaces y dependencias, cuyos puntos fuertes compruebe estadísticamente.

Si se mantienen 2-3 parámetros, se pierde la utilidad del estudio, porque la aleatoriedad del proceso para nosotros es inversamente proporcional al número de parámetros conocidos y sus relaciones. Cuantos más haya, menos aleatoriedad veremos en el proceso. Por lo tanto, construye el sistema y añade parámetros.

Inicialmente tenemos 3 parámetros serie de ticks, bid asc, tick time. Todos los demás parámetros se derivan de estos tres. Adelgazar, promediar. Y de muchos.

 
Valeriy Yastremskiy:

Inicialmente tenemos 3 parámetros de series de ticks, bid asc, tick time. Todos los demás parámetros se derivan de estos tres. Adelgazar, promediar. Y de muchos.

Oferta, demanda, flipper, volúmenes de oferta y demanda por niveles, OI, estacionalidad, hora de la sesión y muchos otros y derivados ... puede incluir parámetros fundamentales como la hora de publicación de las noticias, la importancia de las mismas, el tipo de interés, el comportamiento de los pares paralelos en el mismo momento... Si vas a usar MO, deberías usarlo al máximo. Como la canción "mi padre y mi madre me enseñaron... para explorar, ¡así que explora!"))

Tenemos que construir un sistema a partir de un gran conjunto de parámetros de mercado e identificar estáticamente sus relaciones. A continuación, deben derivarse sobre esta base "pseudodependencias" (dependencias que funcionan con una alta probabilidad) que servirán de "patrón" para la ST.
 
Retag Konow:
Oferta, demanda, flipper, volúmenes de oferta y demanda en niveles, OI, estacionalidad, tiempo de sesión, y muchos más y derivados... puede incluir parámetros fundamentales como la hora de publicación de las noticias, la importancia de las mismas, el tipo de interés, el comportamiento de los pares paralelos en el mismo momento... Si vas a usar MO, deberías usarlo al máximo. Como la canción "mi padre y mi madre me enseñaron... para explorar, ¡así que explora!"))

Los parámetros externos fundamentales no se han considerado aquí, ya que la tarea de digitalizarlos aún no se ha resuelto, aparte de la importancia de las noticias, que es súper pequeña, la presentación de otras propiedades y parámetros del mercado no se ha visto hasta ahora, aparentemente hay algunos en desarrollo en alguna parte, pero no están en uso. De las noticias sobre el tema. La IA tendrá en cuenta la información sobre el estado del país enemigo y elaborará la táctica de actuación. La tarea de digitalizar datos sobre el estado de la sociedad, el mercado, el país, es una tarea diferente.

 
Evgeny Dyuka:
Sólo nos interesa resolver un problema interesante, sobre todo cuando empieza a resolverse.
¿Cómo se determina cuándo se empieza a resolver un problema?
 
Valeriy Yastremskiy:

Los parámetros externos fundamentales no se han considerado aquí, ya que la tarea de digitalizarlos aún no se ha resuelto, aparte de la importancia de las noticias, que es súper pequeña, la presentación de otras propiedades y parámetros del mercado no se ha visto hasta ahora, aparentemente hay algunos en desarrollo en alguna parte, pero no están en uso. De las noticias sobre el tema. La IA tendrá en cuenta la información sobre el estado del país enemigo y elaborará la táctica de actuación. La tarea de digitalizar los datos sobre el estado de la sociedad, el mercado y el país es diferente.

Incluso sin la digitalización de los datos fundamentales, además del precio existen los volúmenes, el interés abierto, los niveles de precios y los volúmenes, los parámetros temporales - sesión, temporada, etc. Las noticias, al parecer, ya están digitalizadas...

Es decir, el menú de parámetros de mercado es mucho más rico de lo que se discute y utiliza aquí, y el potencial de la IA no se aprovecha plenamente en la investigación.

Reuniría los parámetros disponibles en un sistema condicional, organizaría el flujo de sus valores en un algoritmo MO que calcularía los coeficientes de las dependencias "cruzadas" apoyándose en una base de datos estadística, que se repondría y actualizaría en tiempo real.
 
Renat Akhtyamov:
¿Cómo se determina cuándo empieza a resolverse un problema?
Simplemente, una red neuronal funciona como un indicador en el mercado real y predice bien el movimiento de un activo. Además, otro está tratando de dar puntos de entrada. Aquí están las últimas cuatro señales en las últimas 10 horas, todas las señales se hacen públicas.

 
El objetivo del estudio es encontrar relaciones estables en la dinámica de los valores de los parámetros del mercado. Cuantos más parámetros mejor, porque la SN tendrá variabilidad al contrastar unos con otros, lo que aumentará la probabilidad de encontrar un patrón.