Conferencias gratuitas de la Universidad de Stanford - página 8

 
gpwr:
¿Por casualidad te llamas Victor Mikhailovich?

Perfil.

Solía estudiar AT. En MESI, creo que hay tres departamentos que enseñan econometría y estadística matemática, no he estudiado. No conozco ningún método matemático rentable. Conozco los métodos matemáticos que en manos expertas pueden dar beneficios, muchas veces referidos. Con índices, listas de libros. Paquetes de esteras .... Toma EViews o R si no quieres buscar en Google o ver mi perfil. Pero todo es una herramienta, como una lista de indicadores.

No tengo el grial. Tengo mi habilidad personal en el uso de la AT y las estadísticas matemáticas. No voy a enseñar esta habilidad a nadie.

Creo que he respondido con detalle.

 
faa1947:

Perfil.

Solía estudiar AT. En MESI, creo que hay tres departamentos que enseñan econometría y estadística matemática, no he estudiado. No conozco ningún método matemático rentable. Conozco los métodos matemáticos que en manos expertas pueden dar beneficios, muchas veces referidos. Con índices, listas de libros. Paquetes de esteras .... Toma EViews o R si no quieres buscar en Google o ver mi perfil. Pero todo es una herramienta, como una lista de indicadores.

No tengo el grial. Tengo mi habilidad personal en el uso de la AT y las estadísticas matemáticas. No voy a enseñar esta habilidad a nadie.

Creo que he respondido a esto de forma exhaustiva.


Primero dices que "el AT es para los patanes, para que puedan volcar sus depósitos con una mirada importante". Y ahora "tengo mi propia habilidad personal para utilizar el AT y las estadísticas matemáticas. No se lo voy a enseñar a nadie".

Muy bien. No te obsesiones con las palabras. Esta es mi opinión personal sobre las redes neuronales. Empecé a estudiarlos en 2006, tratando de aplicarlos al mercado. Y en 6 años, he llegado a la conclusión de que las redes en sí no son tan importantes como la preparación de los datos de entrada. Además, los datos de entrada deben ser transformados por la misma AT para reducir su dimensión y ser invariables a las distorsiones en los ejes de tiempo y precio. Además, debemos saber de antemano qué queremos de la red, qué sistema de entrada y salida debe implementar. Por ejemplo, si queremos que la red opere en los rebotes/rupturas de los niveles de soporte/resistencia, los datos de entrada deben presentarse en consecuencia. Pero una vez recogidos los datos de entrada necesarios para que la red se entrene y tome decisiones por nosotros, no necesitamos la red para nada, porque ya sabemos cómo entrar y salir. El intento de poner precios a los insumos de la red, esperando que ésta los transforme y descubra cómo utilizarlos, conduce a resultados desastrosos.

Entonces surge la pregunta: ¿son realmente necesarias las redes y merece la pena estudiarlas? Cada uno tiene su propia respuesta. Por ejemplo, no creo que haya perdido el tiempo aprendiendo sobre redes. Son útiles para mi trabajo. Además, nuestro cerebro es la misma red neuronal. Así que negar su utilidad en el comercio es como negar la utilidad del cerebro. El problema aquí es que todavía no entendemos cómo nuestro cerebro toma la misma serie de precios, se centra en los puntos importantes, abstrayendo los detalles, y toma una decisión. Una simple red neuronal de manual no puede simular este comportamiento. Aunque fuéramos capaces de simular este comportamiento, la velocidad de aprendizaje y funcionamiento de una red "biológica" de este tipo sería mucho más lenta que nuestro cerebro y no sería aplicable al comercio.

 
gpwr:


Primero dices que "el AT es para que los patanes vacíen el depósito con una mirada importante". Y ahora "tengo mi propia habilidad para utilizar el AT y las estadísticas matemáticas. Esta es una habilidad que no enseñaré a nadie más".

+1 )))
 
faa1947:

.....Los métodos matemáticos que pueden dar beneficios no los conozco. Matemáticas.Los métodos que en manos expertas pueden traer beneficios son conocidos por mí, muchas veces llamados......

no es necesario comentar..........
 
gpwr:


El problema aquí es que todavía no entendemos cómo nuestro cerebro toma el mismo rango de precios, se concentra en los puntos importantes, se abstrae de los detalles y toma una decisión .

así...

Formación de hipótesis
Extracción y recopilación de datos
Preparación de los datos (filtrado, transformaciones)
Selección del modelo, selección de los parámetros del modelo y algoritmo de entrenamiento
Entrenamiento del modelo (búsqueda automática de los parámetros restantes del modelo)
Análisis de la calidad del entrenamiento
Análisis de los patrones identificados

todo esto se llama Minería de Datos...

Una red en esta máquina (si se utiliza)... sobre los datos debidamente preparados estoy totalmente de acuerdo... si los datos son normales entonces una simple regresión lineal es suficiente... eso es lo que debes buscar...

 
gpwr:


Primero dices que "el AT es para que los patanes vacíen el depósito con una mirada importante". Y ahora "tengo mi propia habilidad para utilizar el AT y las estadísticas matemáticas. Esa es una habilidad que no voy a enseñar a nadie".

Muy bien. No te obsesiones con las palabras. Esta es mi opinión personal sobre las redes neuronales. Empecé a estudiarlos en 2006, tratando de aplicarlos al mercado. Y en 6 años, he llegado a la conclusión de que las redes en sí no son tan importantes como la preparación de los datos de entrada. Además, los datos de entrada deben ser transformados por la misma AT para reducir su dimensión y ser invariables a las distorsiones en el eje del tiempo y del precio. Además, debemos saber de antemano qué queremos de la red, qué sistema de entrada y salida debe implementar. Por ejemplo, si queremos que la red opere en los rebotes/rupturas de los niveles de soporte/resistencia, los datos de entrada deben presentarse en consecuencia. Pero una vez recogidos los datos de entrada necesarios para que la red se entrene y tome decisiones por nosotros, no necesitamos la red para nada, porque ya sabemos cómo entrar y salir. El intento de poner precios a los insumos de la red, esperando que ésta los transforme y descubra cómo utilizarlos, conduce a resultados desastrosos.

Entonces surge la pregunta: ¿son realmente necesarias las redes y merece la pena estudiarlas? Cada uno tiene su propia respuesta. Por ejemplo, no creo que haya perdido el tiempo aprendiendo sobre redes. Son útiles para mi trabajo. Además, nuestro cerebro es la misma red neuronal. Así que negar su utilidad en el comercio es como negar la utilidad del cerebro. El problema aquí es que todavía no entendemos cómo nuestro cerebro toma la misma serie de precios, se centra en los puntos importantes, abstrayendo los detalles, y toma una decisión. Una simple red neuronal de manual no puede simular este comportamiento. Aunque fuéramos capaces de simular ese comportamiento, la velocidad de aprendizaje y funcionamiento de esa red "biológica" sería mucho más lenta que la de nuestro cerebro e inaplicable al comercio.

Sólo hay conocimientos de libro sobre las redes.

En la econometría, la TS pasa a ser una de las herramientas de clasificación. Pero la clasificación no es suficiente para construir un modelo econométrico normal, la NS puede ser una parte del modelo, y no la más importante. La modelización comienza con el aprendizaje y el dominio de los métodos de estimación. Sin disponer de métodos de estimación no se puede analizar un cociente, no se puede evaluar un modelo que hayamos construido sobre los resultados del análisis, no se pueden evaluar los resultados de la aplicación del modelo. A todo esto, NS no tiene nada que hacer.

Tu post confirma mi perplejidad. Has conseguido averiguar una idea muy poco complicada llamada NS, que al fin y al cabo se puede aplicar en el trading. Pero por alguna razón no has dedicado ni un solo minuto a estudiar un concepto mucho más sencillo llamado regresión. Y entender las regresiones y saber cómo utilizarlas habría cambiado drásticamente tu actitud hacia los indicadores en particular y el AT en general. Y habría una persona más en el foro que afirmaría que "el AT es para los patanes en el campo de los milagros".

 
faa1947: No conozco ningún método matemático que permita obtener beneficios. Matemáticas.Métodos que en manos hábiles pueden obtener un beneficio son conocidos por mí, muchas veces llamado. {...} Creo que he respondido exhaustivamente.
Sí, literalmente, la sabiduría popular respondió, en el formato "en manos hábiles y # destornillador"
 
faa1947: No conozco ningún método matemático que sea rentable. No conozco ningún método matemático que, en manos expertas, pueda dar beneficios.
La palabra clave es "puede", es decir, no puede. ))
 
Vizard:

algo así...

Formación de hipótesis
Recuperación y recopilación de datos
Preparación de los datos (filtrado, transformaciones)
Selección del modelo, selección de los parámetros del modelo y algoritmo de entrenamiento
Entrenamiento del modelo (búsqueda automática de los restantes parámetros del modelo)
Análisis de la calidad del entrenamiento
Análisis de los patrones identificados

todo esto se llama Minería de Datos...

Una red en esta máquina (si se utiliza)... sobre los datos debidamente preparados estoy totalmente de acuerdo... si los datos son normales entonces una simple regresión lineal es suficiente... eso es lo que debes buscar...


Estoy de acuerdo en que conocemos los pasos para construir el modelo. Todavía no sabemos cómo crear una red neuronal que incorpore estos pasos. Quizá en un futuro lejano aprendamos a crear esas redes neuronales. Por ahora, una red neuronal (el cerebro del desarrollador) hace todo el trabajo preparatorio importante de procesamiento de datos, identificación de patrones, selección de un modelo y optimización de este modelo, mientras que otra red (en el programa) se limita a hacer cálculos basados en los datos y la estructura que le da el desarrollador. Añadir pesos de auto-optimización a esta segunda red no la hace más inteligente, sino que sólo reduce el error de modelización.
 
gpwr:

Estoy de acuerdo en que los pasos para construir un modelo son conocidos por nosotros. Todavía no se sabe cómo crear una red neuronal que incorpore estos pasos. Quizá en un futuro lejano aprendamos a crear esas redes neuronales. Por ahora, una red neuronal (el cerebro del desarrollador) hace todo el trabajo preparatorio importante de procesamiento de datos, identificación de patrones, selección de un modelo y optimización de este modelo, mientras que otra red (en el programa) se limita a hacer cálculos basados en los datos y la estructura que le da el desarrollador. Añadir pesos de auto-optimización a esta segunda red no la hace más inteligente, sino que sólo reduce el error de modelización.


es posible hacer una construcción de este tipo... en paquetes estadísticos ya hechos o varios....all acompañados de scripts y macros (es decir, totalmente automatizados)
una de las opciones -

Formación de hipótesis - use cualquier herramienta de gráficos y entrene la red o ha o etc. en el retorno máximo
- obtenga ya sea BP que dará el retorno máximo o Booleans (como señales)... en el futuro puede usar la función objetivo
en el retorno máximo y etc. si la red o el etc es auto-escrito y normal...

Buscar y recopilar datos - descargar todo lo que tenemos automáticamente...

Preparación de los datos (filtrado, transformaciones) - clasificación, clustering, análisis de factores, blanqueo de entradas
también se puede hacer en parte por la red... se puede hacer con algoritmos ya hechos...
(Esta es la sección más importante y las transformaciones astutas pueden muy bien mejorar los resultados)

Selección del modelo, elección de los parámetros del modelo y del algoritmo de aprendizaje: se prueban varios modelos con 1 error de aprendizaje y se elige el mejor para los datos disponibles (hay módulos de este tipo ya preparados en los paquetes estadísticos)...

Análisis de los patrones identificados: aquí sólo hay que introducirlos en la red y mirar los pesos en % de proporción, etc.

Tal construcción sería probablemente la más cercana a un traje de inteligencia - ya que el objetivo es seleccionado por el propio modelo para empezar y todo es automático desde los datos en bruto hasta el corte final...

En general, por supuesto, todo esto consume mucho tiempo y es ineficiente... y lo interesante es que en la práctica no diferirá mucho de la optimización de indicadores normales (y) de AT para problemas de retorno máximo o econométricos (a menos que un predictor normal parpadee en los datos)) ya que todas las propiedades de la BP penetrarán de todos modos en el modelo y se registrarán... con todas las consecuencias posteriores...

Así que mientras Sanych correrá con la regla eq y dirá que la econometría es lo mejor... Los más ingeniosos tratarán de cortar con la AT... con retrain en un determinado paso (como una de las opciones), captando la dinámica de la BP continuando durante algún tiempo e ignorando la no estacionariedad...))