L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 138

 
mytarmailS:
Merci, je ne l'aurais pas compris.

Il serait très intéressant de voir le résultat.

J'avais l'habitude de le faire, j'ai même le code quelque part.

1. Le code donné n'est pas suffisant pour prendre des décisions. Vous avez besoin de seuils et de seuils flottants.

2. Vous pouvez obtenir des systèmes très rentables avec un facteur de profit allant jusqu'à 10.

MAIS.

Le facteur de profit est inférieur à 5 pips. La comptabilité étalée tue toute la beauté. Et en plus de la diffusion, il y a aussi des cadeaux

 
SanSanych Fomenko:

Il serait très intéressant de voir le résultat.

Le sujet de l'arbitrage est hors sujet ici, mais je vais donner une brève réponse si cela vous intéresse...

J'avais déjà un arbitrage qui fonctionnait, je voulais l'améliorer en filtrant les signaux à l'entrée d'une manière aussi délicate - dans une fenêtre glissante, nous comptons la force de cointégration (proximité de deux BP) et seulement lorsque les BP sont fortement cointégrées l'une avec l'autre, nous commençons l'arbitrage...

le résultat d'un tel filtrage est ambigu, je ne peux pas le classer comme bon ou mauvais

en utilisant la première variante, lors des tests, le système a donné en moyenne - 7 % de profit par mois avec un facteur de récupération de 3

filtré, le système a atteint une moyenne de 5,7 % par mois et de 5,5 PV

donc il gagne moins mais est plus stable...

Liens intéressants avec des exemples sur "R" en russe :

sur la différence de corrélation avec la cointégration

http://www.algorithmist.ru/2011/08/time-series-similarity-measures.html

http://www.algorithmist.ru/2011/09/time-series-test-for-cointegration.html

sur l'appariement et l'arbitrage

http://rforfinance.ru/pairs-trade/

http://rforfinance.ru/rolling-window/

Сравнение временных рядов
Сравнение временных рядов
  • 2011.08.29
  • SergE
  • www.algorithmist.ru
Огромное количество данных в data mining вообще и в финансах в частности приходит к нам в виде временных рядов. Это не удивительно, ведь очень часто нас интересуют какие-то события или показатели изменяющиеся во времени. При этом, огромный пласт классической математики веками создавался для работы с множествами чисел. В результате, одним из...
 
mytarmailS:

Le sujet de l'arbitrage est hors sujet ici, mais je vais répondre brièvement si cela vous intéresse...

J'avais déjà un arbitrage qui fonctionnait, je voulais l'améliorer en filtrant les signaux à l'entrée d'une manière aussi délicate - dans une fenêtre glissante, nous comptons la force de co-intégration (proximité de deux BP) et seulement quand les BP sont fortement co-intégrées, nous commençons l'arbitrage...

le résultat d'un tel filtrage est ambigu, je ne peux pas le classer comme bon ou mauvais

en utilisant la première variante, lors des tests, le système a donné en moyenne - 7 % de profit par mois avec un facteur de récupération de 3

filtré, le système a atteint une moyenne de 5,7 % par mois et de 5,5 PV

donc il gagne moins mais est plus stable...

Liens intéressants avec des exemples sur "R" en russe :

sur la différence de corrélation avec la cointégration

http://www.algorithmist.ru/2011/08/time-series-similarity-measures.html

http://www.algorithmist.ru/2011/09/time-series-test-for-cointegration.html

sur l'appariement et l'arbitrage

http://rforfinance.ru/pairs-trade/

http://rforfinance.ru/rolling-window/

Merci. Le premier lien a fait sourire la description. Deux alconofts à venir.
 
Alexey Burnakov:
Merci. La description du premier lien est hilarante. Deux alconofts à venir.

:)

 
Alexey Burnakov:


D'ailleurs, M. Perervenko n'a rien dit de ce type de réseau dans son article sur les réseaux neuronaux. Eh bien, je n'ai trouvé qu'une seule mention dans tout l'article. Et on pourrait révéler la question de l'applicabilité aux séries temporelles (de manière réfléchie).

Alexei

Il y aura un article séparé (ou deux) sur les réseaux neuronaux récursifs (RNN, CNN et LSTM). Exemples utilisant mxnetR et peut-être mxnet(Python).

Au fait, il existe un paquet mxnet dans le dépôt CRAN. Il est vrai qu'il faut faire un peu de gymnastique pour ajouter les optimiseurs de GitHub (RMSProp, Adam, AdaGrad et AdaDelta). Je suis en train de tester ces fonctionnalités.

Bonne chance

 
Vladimir Perervenko:

OK, ce sera intéressant à lire.

Le CNN n'est pas un réseau récurrent en soi.

install.packages("drat", repos="https://cran.rstudio.com")
drat::: addRepo("dmlc")
install.packages("mxnet")
 

Une question s'est posée à la suite de la lecture de cet article :

Pourquoi sommes-nous tous, moi y compris, coincés avec des prédicteurs dérivés d'une seule paire de devises ? Il existe de nombreuses paires de devises, et les paires non monétaires sont à la pelle...

 
SanSanych Fomenko:

Influencé par l'article que j'ai lu, une question s'est posée :

Pourquoi sommes-nous tous, moi y compris, coincés avec des prédicteurs dérivés d'une seule paire de devises ? Il existe de nombreuses paires de devises, et les paires non monétaires sont à la pelle...

Qu'est-ce qui vous fait penser "nous tous" ? :)
 

Pour moi, c'est une question de risque - j'essaie de prendre au moins un petit risque. Vous pouvez créer un conseiller expert qui négocie avec succès sur des dizaines de paires pendant de nombreuses années, mais pour quoi faire ? Le bénéfice sera probablement de quelques pour cent par an, autant mettre de l'argent à la banque sur un dépôt sans risque.
Si vous prenez une seule paire et apprenez au modèle à bien négocier sur cette paire pendant un an, vous pouvez espérer un bénéfice de 10 % par mois, ce qui est mieux.
Si vous enseignez le modèle pour seulement 2 mois de données - il fonctionnera probablement avec succès pendant une semaine, mais apportera ces 10% dans une période encore plus courte.

Plus l'ensemble de données (en termes de temps et de nombre de paires) qu'un modèle doit apprendre est restreint, plus il sera rentable sur les nouvelles données. Mais il deviendra obsolète et ne sera plus rentable bien plus tôt. C'est donc beaucoup plus risqué - une nouvelle peut même briser tout le modèle et vous devrez chercher de nouveaux prédicteurs et paramètres de modèle à nouveau.

 
Et pour moi, si vous ne pouvez pas dire dans quelle fourchette se situera votre transaction à l'avenir, c'est juste une supposition par le marc de café. Vous devez savoir à l'avance où vous allez être à peu près et cette connaissance doit être objective.