Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2325
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
Mirando un poco más de cerca, veo que estaba algo equivocado. Hacen una serie de métricas no lineales deslizantes a partir de la serie original (escriben sobre la dimensionalidad fractal y los índices de Lyapunov). Esta nueva serie la consideran (basándose en observaciones prácticas) similar a la SB. Y multiplican esta serie por el método de Monte-Carlo en el futuro y toman una variante con la máxima cercanía al conjunto inicial.
El secreto es una transformación específica de las series iniciales en series de métricas y, lo que es más importante, la transformación inversa.
En general, todo esto parece sospechoso (en primer lugar, el estilo de presentación de los resultados) y no despierta muchas ganas de seguir estudiando la cuestión.
También parece demasiado bonito y vago: algo no cuadra. Además, las series se toman similares en características estadísticas.
Por muy gracioso que sea para ti, eso es exactamente lo que estás haciendo...
Déjame explicarte...
Me refería a que estaría bien crear un "convertidor" de datos de mercado (no estacionarios) en un modelo (estacionario, simplificado, demostrativo, que conserve la estructura que necesitamos) y este modelo se puede representar como una sinusoide
Todos los científicos del mundo lo hacen para entender un proceso complicado, construir un modelo, estudiar el modelo, predecir el modelo pero no el proceso en sí, es la práctica mundial, todo el mundo lo hace, excepto los ingenieros con el nivel más bajo de formación que creen que AMO lo hará todo...
Está un poco más claro lo que querías decir. Eso no lo hacía más útil, por supuesto.
Sólo para empezar, que cuando se toman las cotizaciones, CUALQUIER cotización, y se hace algo con ellas, ya se está tratando con un modelo, no con el, como tú dices, complejo proceso en sí.
Bueno sobre el resto de los derivados de las citas, no hace falta decir)
Tu comentario despectivo sobre los becarios de MO habla más bien de tu bajo nivel de formación.
Por supuesto, no se ha vuelto más útil.
Yo tampoco, por cierto.
Para empezar, cuando se toman las cotizaciones, CUALQUIER cotización, y se hace algo con ellas, ya se está tratando con un modelo, no, como dices, con un proceso complejo en sí mismo.
Vaya, gracias... ¿Alguien ha afirmado alguna vez lo contrario?
Tu referencia peyorativa a los MO-ers habla más bien de tu bajo nivel de formación.
Bien, a la derecha.....
============
¿Qué es lo siguiente, tienes algo que decir, o vamos a decir lo obvio y hacer juicios subjetivos?
¿Qué es lo siguiente, tienes algo que decir, o estamos afirmando lo obvio y haciendo juicios subjetivos?
Pues lo obvio es que dos o tres ondas sinusoidales no pueden ni siquiera aproximar bien el precio en un periodo largo. Bien, ¿no estás de acuerdo?
Bueno, hablemos también de modelos - tengo una idea - un modelo de mercado a través de una red de actores.
A grandes rasgos es así (intentaré ponerlo en términos de MdD):
Hay N jugadores sujetos, que se clasifican según una serie de atributos: volumen, frecuencia de las transacciones, duración de la posición, tendencia a la compra-venta, acceso a la información y rapidez,agresividad, etc.
El mercado (precio del instrumento) se modela como el resultado del intercambio entre los actores del tema (copa simplificada). Hay un entorno que es proveedor de noticias regulares y eventos relativamente aleatorios a los que los jugadores reaccionan, y el entorno transmite información entre los jugadores.
Espero que se entienda en general. No recuerdo investigaciones-publicaciones similares en cuanto a la aplicación del modelo, lo cual es comprensible porque los resultados prácticos sólo pueden conseguirse con el acceso a grandes datos reales.
Pero como modelo de investigación creo que es bastante adecuado. Para la interpretación en los métodos de aprendizaje automático - espacio para la creatividad, obviamente no podemos hacer con arquitecturas simples aquí, tenemos que desarrollar algo especial.
Bueno, la más obvia es que dos o tres ondas sinusoidales no pueden ni siquiera aproximar correctamente el precio en un periodo largo. Bien, ¿no estás de acuerdo?
Bueno, hablemos también de modelos - tengo una idea - un modelo de mercado a través de una red de actores.
A grandes rasgos es así (intentaré ponerlo en términos de MdD):
Hay N jugadores sujetos, que se clasifican en función de una serie de características: volúmenes, frecuencia de las operaciones, duración de la posición, tendencia a la compra-venta, acceso a la información y rapidez,agresividad, etc.
El mercado (precio del instrumento) se modela como el resultado del intercambio entre los actores del tema (copa simplificada). Hay un entorno que es proveedor de noticias regulares y eventos relativamente aleatorios a los que los jugadores reaccionan, y el entorno transmite información entre los jugadores.
Espero que se entienda en general. No recuerdo investigaciones-publicaciones similares en cuanto a la aplicación del modelo, lo cual es comprensible porque los resultados prácticos sólo pueden conseguirse con el acceso a grandes datos reales.
Pero como modelo de investigación creo que es bastante adecuado. Para la interpretación en los métodos de aprendizaje automático - espacio para la creatividad, obviamente, las arquitecturas simples no son suficientes aquí, y algo especial debe ser desarrollado.
¿Modelos basados en agentes? Hay muchas cosas así en la ciencia económica moderna. En mi opinión, algo bueno para la comprensión filosófica del mercado.
No estoy seguro de que este enfoque (en el sentido de crear estrategias de negociación) tenga alguna utilidad práctica.
¿Modelos basados en agentes? Hay mucho de eso en la ciencia económica moderna. Creo que es un buen material para el pensamiento filosófico del mercado.
No estoy seguro de la posibilidad de obtener alguna utilidad práctica de este enfoque (en el sentido de crear estrategias de negociación).
Sí, descripciones científicas económicas y (estrechamente) sociológicas de tales modelos hace tiempo del instituto que recuerdo. Con respecto al comercio a la luz de los recientes logros de la MO parece que la cuestión no es que no se pueda aplicar, y los que tienen recursos - no obtendrán el beneficio apropiado de ella, son buenos como son. Los entusiastas aún no han llegado, digerirán todo tipo de GPT-3 y otras cosas rompedoras, y quizás alguien llegue a ellos y designe algunas líneas de desarrollo en esto.
La otra dificultad es que hay mucha irracionalidad en el comportamiento de los jugadores, especialmente en los momentos clave de las tendencias, lo que es difícil de modelar de forma fiable con los modelos actuales.
ap. Otro pensamiento - que no siempre es correcto apuntar a predecir el movimiento de los precios, es tan primitivo. Podemos recibir información sobre el movimiento de los precios y sacar conclusiones a largo plazo a partir de ella.
Un enfoque prometedor parece ser la inferencia causal. Este tema se desarrolla de forma bastante activa en las grandes empresas de TI. Hay bibliotecas.
Hay artículos sobre el tema
Hacer una calculadora que recorra las opciones y encuentre la mejorSí, recuerdo las descripciones científicas económicas y (estrechamente) sociológicas de tales modelos hace tiempo del instituto. Con respecto al comercio a la luz de los recientes logros de la MO, parece que no es que no se puede aplicar, y los que tienen los recursos - no obtendrá de ella la salida necesaria, que son hasta ahora todo bien. Los entusiastas aún no han llegado, digerirán todo tipo de GPT-3 y otras cosas rompedoras, y quizás alguien llegue a ellos y designe algunas líneas de desarrollo en esto.
La otra dificultad es que hay mucha irracionalidad en el comportamiento de los jugadores, especialmente en los momentos clave de las tendencias, lo que es difícil de modelar de forma fiable con los modelos actuales.
ap. Otro pensamiento - que no siempre es correcto apuntar a predecir el movimiento de los precios, es tan primitivo. Puedes obtener información sobre el estado de los jugadores a partir del movimiento de los precios, y ya desde aquí puedes sacar conclusiones a largo plazo, constantemente actualizadas.
En mi opinión, el principal problema radica en la elección del enfoque para describir el comportamiento de los mayores actores del mercado: los Estados. (1) influyen fuertemente en el mercado, (2) su comportamiento cambia sustancialmente en el tiempo, (3) sus objetivos de actuación en el mercado son a menudo ajenos al propio mercado y poco conocidos por nosotros, (4) hay muchos estados y pueden interactuar entre sí de formas muy diferentes (para el mercado). Matemáticamente, el resultado es un sistema complejo, inestable y abierto.
El problema no es que sea imposible pensar en un modelo para tal sistema, sino que es posible pensar en demasiados diferentes y probablemente incluso contrarios entre sí en las conclusiones).
Un enfoque prometedor parece ser la inferencia causal. Este tema se desarrolla de forma bastante activa en las grandes empresas de TI. Hay bibliotecas.
Hay artículos sobre el tema
Hacer una calculadora que recorra las opciones y encuentre la mejorque es el otro lado del enfoque inicialmente. El RCT en medicina para cualquier cosa y todo por cierto ha matado las técnicas médicas, no los placebos reproducibles))
La tarea por comportamiento o condición es encontrar un vínculo causal).
ap. Otro pensamiento es que no siempre es buena idea prever los movimientos de los precios, es tan primitivo. Puede obtener información sobre el estado de los jugadores a partir del movimiento de los precios y sacar conclusiones a largo plazo a partir de ahí, que se actualizan constantemente.
Es una idea buena y correcta. Sólo que quizás no el estado de los jugadores, sino el estado de las causas que afectan a los jugadores. Aunque tal vez esto sea sólo el siguiente paso.