Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2465
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
¿Cómo no va a ser así? Hace exactamente eso.
¿Se ha encontrado con la expresión "bases de datos basadas en redes neuronales"? Me lo he encontrado alguna vez y creo que es la mejor definición de lo que son los NS/árboles.
Un árbol puede ser entrenado hasta la última división y entonces recordará absolutamente toda la historia con absoluta precisión (obtener un modelo sobre-entrenado).
Si no a la última división, sino a una división de parada un poco anterior (por ejemplo por 10 ejemplos en una hoja), entonces obtenemos la memoria con la generalización y con el promedio de los resultados de estos 10 ejemplos más similares. Habrá menos sobreaprendizaje. Es decir, hay que detener la división cuando el subaprendizaje empieza a convertirse en sobreaprendizaje. Esta es la tarea principal y más difícil.
Creo que no se deben mezclar las redes neuronales y el aprendizaje automático en el trading - me gustaron las imágenes aquí - hasta ahora veo las redes neuronales como posibilidades para el análisis técnico (donde se necesitan ojos, oídos, etc., como se ha señalado anteriormente) o para versiones recursivas de las mismas,
como cuando tienes demasiados datos a mano, cuando no tienes la fórmula que necesitas para ayudarte a encontrar una relación entre las entradas y salidas de tu conjunto de datos, o cuando necesitas hacer predicciones en lugar de dar explicaciones.
o con pesos - (pero como definirlos lógicamente no veo como (aparte de un tonto 0 a 1), o si con entrenamiento (0 o 1), para que no se extravíen)
Las neuronas forman capas por las que pasa una señal de forma secuencial. Todo esto está conectado por conexiones neuronales - canales, a través de los cuales se transmiten los datos. Cada canal tiene su propio "peso", un parámetro que afecta a los datos que transmite
Y el aprendizaje automático en una forma más general es un árbol de decisiones e incluso un bosque de decisiones, donde, estoy de acuerdo contigo, lo principal es detenerse en el tiempo, y los algoritmos genéticos simples (en Excel), las estadísticas con los errores y la propagación hacia atrás de los errores para un mayor aprendizaje ... y tal vez incluso el mismo Monte-Carlo y Sharpe Ratio para evaluar el riesgo de la cartera y las formas de diversificación y cobertura (ahí es donde realmente se pueden descargar muchos datos para el análisis)
p.d.
y algún tipo de resumen de NN para predecir los movimientos de los precios
No existe una organización de red correcta. Cada arquitectura de red tiene sus propias ventajas e inconvenientes. Las redes de retropropagación son habituales porque ofrecen un buen rendimiento, pero suelen ser difíciles de entrenar y configurar. Las redes recurrentes ofrecen algunas ventajas sobre las redes de retropropagación, ya que su "característica de memoria" puede utilizarse para extraer las dependencias temporales de los datos y mejorar así la predicción. Los modelos más complejos pueden ser útiles para reducir los errores o los problemas de configuración de la red, pero suelen ser más complejos de entrenar y analizar
- es decir, la memoria sólo estará disponible si está integrada en la arquitectura de la red... Creo que es muy ingenuo e imprudente poner la memoria en un modelo de una variable (como el precio)... La memoria se puede poner en el análisis de datos demográficos, fluctuaciones estacionales, y algo más sistemáticamente repetitivo y constante... pero NO los movimientos de precios para el day-trader... al menos en el análisis del alce... imho... o un poco de memoria de los últimos K sólo si se observa (y Plano/Tendencia es sólo 0,5 de probabilidad)
(por las razones descritas, supongo que es un argumento realmente inútil - cuando se habla sin referencia a una arquitectura particular de una red concreta u otra variante de aprendizaje automático) ... pero gracias por el aviso
Con memoria, no hay que ir muy lejos (o mejor dicho, sin memoria: ejecútalo y olvídate, los datos de la memoria intermedia ya no son importantes en la salida):
Monte Carlo es una herramienta de toma de decisiones que asume que cada decisión tendrá algún impacto en el riesgo global.
Cómo se utiliza el método de Montecarlo para optimizar una cartera -
En primer lugar, se asignan pesos aleatorios a las acciones, tras lo cual se calculan la rentabilidad y la desviación típica. Los valores obtenidos se guardan. El siguiente paso es cambiar aleatoriamente los pesos (lo principal es recordar que su suma tiene que ser la unidad) y luego se hace de nuevo - el cálculo y guardar el valor resultante. El número de iteraciones depende del tiempo, de la capacidad de cálculo del ordenador y del riesgo que el inversor esté dispuesto a asumir.
(aunque en Excel con el Paquete de Análisis y Búsqueda de Soluciones - probablemente una implementación aún más fácil - la pregunta está de nuevo en el modelo, y la genética y otros algoritmos se establecen en el Buscador de Soluciones - y aquí es "método de búsqueda tonta" listo) ... sino para la gestión del riesgo, y no para la predicción del movimiento de los precios
Después de todas las respuestas, hay que sacar una rebanada de conclusiones, porque hasta ahora todo el mundo está expresando su... (el tema es que no habrá una sola conclusión - hay muchos métodos - no hay un denominador común)
Como en el árbol que mencionó elibrarius
Es decir, hay que detener la división cuando el subaprendizaje empieza a convertirse en sobreaprendizaje. Esta es la tarea principal y más difícil
Después de todas las respuestas, hay que sacar una rebanada de conclusiones, porque hasta ahora cada uno habla de lo suyo... (el tema es que no habrá una sola conclusión - hay muchos métodos - no hay un denominador común)
como en el árbol que elibrarius sacó a relucir
Es todo para el casino, es diferente en forex. ¿Qué puedes explicarle al robot? Cuando el azul esté por encima del rojo, compra. Eso es todo;)
Vladimir, tengo una docena de posiciones/estados únicos
Si buscas en stackoverflow, la lógica es muy sencilla (igual que en el complemento de Excel Solution Finder):
0/ ser honesto y utilizar la media y el escalado inferidos del conjunto de entrenamiento -
1/ La red neuronal recuerda lo que aprendió a través de sus pesos y sesgos.
2/ Inicializar aleatoriamente los pesos - esto traslada la responsabilidad a la máquina - LO QUE ES BUENO, no al desarrollador
3/ entrenarlo con algunos patrones - en big data (y por cierto gran potencia de pc) - ya sea regresión o modelo logístico u otro (vale la pena pensar y elegir - no hay mucho que elegir, porque al elegir la regresión lineal le quitamos la oportunidad al optimizador de trabajar, así que supongo)
4/ ... introducir datos y obtener el resultado de una máquina entrenada Y TODO
p.d. recuerde las redes neuronales artificiales continuas vs. discretas -- las primeras son probablemente una función integral, las segundas son para determinar un piso/tendencia, por ejemplo...
y algunos consejos sobre la moda
Las redes neuronales recurrentes han sido en varias ocasiones un método de moda para diversas aplicaciones de predicción financiera, por ejemplo
p.p.s. un poco de teoría
En las redes bayesianas, los vértices y las aristas tienen un significado. La estructura de la red en sí misma proporciona información valiosa sobre la dependencia condicional entre las variables. Con las redes neuronales, la estructura de la red no dice nada.
y librerías de python (también puedes usar R), si excel no es suficiente
(mientras que los que no saben leer ni entender siguen soñando con explicarle algo a su robot, porque no han jugado lo suficiente en el casino)
... pero la regresión lineal es confusa porque, según recuerdo, los precios son no lineales y la rentabilidad es lineal (¿si no al revés?)
NO al revés, como .
Aunque los precios no se distribuyen normalmente, el rendimiento de los precios tiene en muchos casos una distribución normal.
NO al revés, porque.
aunque la lógica al contrario, pero en conjunción con la memoria lejana, se confirma... (aunque no suelo ocuparme de las finanzas cuantitativas ni de las investigaciones financieras)Hice una aplicación MT5 que funciona para el usuario final, se instala en dos clics.
La red neuronal se ejecuta en el ordenador del usuario en un archivo exe (se puede hacer sin exe en el caso del script de Python).
No hay solicitudes externas, API, dll, etc.
Predicciones como indicador por defecto.
Lea más aquí.