Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 741
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
Es que tus preguntas son de nivel de principiante.....
Tanto como para cabrearse. Me refiero a mí... Moose, la primera en quince días... Pero no me desanimo y sigo trabajando en el TS.
Por supuesto, no tengo experiencia, así que tengo curiosidad por preguntar lo que no entiendo.
Por supuesto, no tengo experiencia, y por eso me interesa preguntar lo que no entiendo.
Intenta entender la tecnología de las redes neuronales y el aprendizaje automático por tu cuenta. Entonces hablaremos...
Intenta entender la tecnología de las redes neuronales y el aprendizaje automático por tu cuenta. Entonces hablaremos...
Me vendría bien un maestro y mentor en esta materia...
Debido a que la variación es pequeña si en 30 observaciones lern y 30 pruebas obtienes un 90% de precisión entonces puedes arriesgarte si no hay opción, pero el mercado a >95% es ruido, por lo que necesitas miles de veces más puntos para obtener una predicción al menos comparable en módulo al error.
PD: el teorema del límite central es la base de la estadística y su progenie MO, es como F = ma en mecánica, estás siendo tan irrespetuoso con él...
¿Dónde has visto esta ejecución del teorema del límite en variables aleatorias no estacionarias?
¿No encuentras trabajo? ¡Multiplica tu tiempo por tu poder!
(Una colección de consejos universales).
;)))))
He aquí otra herejía sobre el "problema de la no estacionalidad"...
La rentabilidad es estacionaria y casi gaussiana cuando se endereza por la volatilidad, y eso es todo lo que se necesita, el propio precio que no es estacionario no interviene en los cálculos.
Estudia GARCH y no publiques aquí otra herejía sobre el "problema de la no estacionariedad"... para las devoluciones. Hay cientos de modelos GARCH que intentan dar cuenta de los matices de la no estacionariedad en los rendimientos, aunque toda esta gente no tiene ese aplomo.
...
¿Por qué?
Porque cuando se crea un fármaco de forma teórica, se dedica un gran esfuerzo a justificar el efecto del fármaco sobre la enfermedad.
Lo único que nos diferencia es que lo agrupamos todo. Mira este hilo: 99% sobre perseptrones y casi nada sobre minería de datos.
¿Y dónde has visto a los fabricantes de medicamentos aquí? Sólo los consumidores, has dejado de tomar bosques al azar, ahora bebes arcch garch - pacientes, sin embargo...
He intentado estudiarlo, incluso he vuelto a empezar varias veces. Pero cada vez me topé con un muro de términos estadísticos y econométricos insuperables y nunca llegué a hacerlo.
Pero de todos modos entendí algo importante. Arima y Garch dedican mucho tiempo a modelar los estados internos de una serie temporal, de los que luego se deriva el precio. Es decir, hay docenas de procesos globales en marcha en el mundo, y el precio es una combinación de ellos. Así que en lugar de modelar la serie temporal en sí, es mejor intentar modelar estos procesos ocultos, y modelar la interacción de estos procesos para obtener la serie temporal que necesitamos.
Garch y Arim tienen algunas ideas incorporadas sobre estos procesos ocultos (estacionalidad, tendencia, etc.), pero se limitan a fórmulas puestas en estos modelos hace décadas. Podemos intentar crear nuestros propios indicadores que describan estas condiciones del mercado interno, y hay menos limitaciones que en garch. Pero también es fácil equivocarse, además es una tarea muy compleja.
La rentabilidad es estacionaria y casi gaussiana cuando se endereza por la volatilidad, que es todo lo que se necesita, el propio precio que no es estacionario no participa en los cálculos.
¿Se endereza la volatilidad sobre la historia o sobre la llegada de un nuevo tick? Está claro que desplazando, por ejemplo, un muv por medio período hacia atrás y deduciéndolo de las cotizaciones básicas se puede obtener casi gaussiano en el residuo. Pero para saber lo que ocurre con la volatilidad en el lugar más interesante, el borde derecho, debemos conocer la mitad futura del periodo de muv. ¿Dónde podemos conseguirlos?
He intentado estudiarlo, incluso he vuelto a empezar varias veces. Pero cada vez me topé con un muro de términos estadísticos y econométricos insuperables y nunca llegué a hacerlo.
Pero de todos modos entendí algo importante. Arima y Garch dedican mucho tiempo a modelar los estados internos de una serie temporal, de los que luego se deriva el precio. Es decir, hay docenas de procesos globales en marcha en el mundo, y el precio es una combinación de ellos. Así que en lugar de modelar la serie temporal en sí, es mejor intentar modelar estos procesos ocultos, y modelar la interacción de estos procesos para obtener la serie temporal que necesitamos.
Garch y Arim tienen algunas ideas incorporadas sobre estos procesos ocultos (estacionalidad, tendencia, etc.), pero se limitan a fórmulas puestas en estos modelos hace décadas. Podemos intentar crear nuestros propios indicadores que describan estas condiciones del mercado interno, y hay menos limitaciones que en garch. Pero también es fácil equivocarse, es una tarea muy difícil.
GARCH y MO no son competidores, se complementan completamente, que es lo que estoy haciendo ahora: intentar combinar la antigua MO - tendencia y añadir GARCH para determinar el punto de entrada. Ya he escrito antes que tengo un EA que me ha dado la cantidad de dinero que necesitaba en un año de trading. Estaba formado por magos de la RF y de la adaptación (juriks refinados). Pero ese emparejamiento no resolvió los problemas de no estacionariedad.
Globalmente, distingo dos tipos de modelos:
Todos en este hilo se aferran a MO por alguna razón. ¿En qué se basa? La base de la clasificación es algún tipo de relación entre la variable objetivo y sus predictores.
Bueno, en primer lugar, cualquier especulación sobre la relación se rechaza al instante aquí, como sucedió con la información mutua
En segundo lugar, ¿quién ha demostrado que si existe esa influencia de los predictores sobre la variable objetivo, esa influencia no cambiará con el tiempo? Ya he escrito muchas veces sobre la base de un Asesor Experto de comercio real que de 27 predictores encontrados de antemano se seleccionan en cada barra y se dejan de 5 a 15 de ellos, y esta lista está cambiando constantemente dentro de 27 predictores. Es decir, la cantidad de influencia de los predictores en la variable objetivo cambia en el tiempo y con bastante rapidez.
La idea del Asesor Experto es la siguiente: