L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 464
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
GARCH
J'ai ma propre compréhension du forex avec la pratique, et garch ne résout pas les problèmes dont j'ai besoin.
Il peut sembler que garch résout facilement de nombreux problèmes et donne des résultats comparables à des MO complexes utilisant des méthodes simples. Mais les données d'entrée pour garch sont limitées par le prix, et je pense que ce n'est pas suffisant. Ainsi, si nous prenons un modèle MO, que nous lui donnons des prix et que nous comparons les prédictions avec celles obtenues avec garch, il peut sembler qu'elles ne sont pas inférieures. Mais si vous donnez à un modèle MO beaucoup plus de données d'entrée, il obtiendra un avantage significatif.
En général, garch et les autres modèles d'apprentissage automatique ont beaucoup en commun. En travaillant avec garch, vous êtes beaucoup plus proche de MO que vous ne le pensez.
Dans les deux cas (MO et garch), le prix est pris, toutes sortes de transformations sont faites avec lui pour créer des prédicteurs (indicateurs pour les modèles normaux, et transformations arima pour garch), et sur la base de ceux-ci le prix est modélisé en essayant de prédire les gains.
En outre, dans la MO, il y a une validation croisée pour s'assurer que tout est correct, tandis que pour le garch, il y a également des contrôles statistiques internes.
En général, l'approche est très similaire dans les deux cas (faire quelque chose avec le prix pour satisfaire toutes les exigences du modèle et prédire l'avenir), mais les manières de le faire sont légèrement différentes.
Mais apparemment le prix est trop aléatoire, et les modèles trouvés sont très petits. Quel que soit le temps consacré à l'apprentissage du modèle, son estimation sera toujours loin d'être parfaite, ne dépassant que de quelques pour cent l'estimation obtenue à partir d'une supposition aléatoire.
Parfois, on peut avoir de la chance et ces dépendances trouvées, bien que petites, existent pendant longtemps et apportent des bénéfices. Mais ils disparaissent toujours soudainement. C'est le principal problème auquel je suis confronté aujourd'hui : trouver des indicateurs externes, tels que des rapports financiers, qui pourraient être utilisés pour entraîner le modèle avec une très bonne estimation, afin que les dépendances trouvées soient stables et ne disparaissent pas soudainement.
J'ai ma propre compréhension du forex avec la pratique, et garch ne résout pas les problèmes dont j'ai besoin.
Il se pourrait bien que garch résolve facilement de nombreux problèmes et que, par des méthodes simples, il donne des résultats comparables à ceux des MO complexes. Mais les données d'entrée pour garch sont limitées par le prix, et je pense que ce n'est pas suffisant. Ainsi, si nous prenons un modèle MO, que nous lui donnons des prix et que nous comparons les prédictions avec celles obtenues avec garch, il peut sembler qu'elles ne sont pas inférieures. Mais si vous donnez à un modèle MO beaucoup plus de données d'entrée, il obtiendra un avantage significatif.
En général, garch et les autres modèles d'apprentissage automatique ont beaucoup en commun. En travaillant avec garch, vous êtes beaucoup plus proche de MO que vous ne le pensez.
Dans les deux cas (MO et garch), le prix est pris, toutes sortes de transformations sont faites avec lui pour créer des prédicteurs (indicateurs pour les modèles normaux, et transformations arima pour garch), et sur la base de ceux-ci le prix est modélisé en essayant de prédire les gains.
En outre, dans la MO, il y a une validation croisée pour s'assurer que tout est correct, tandis que pour le garch, il y a également des contrôles statistiques internes.
En général, l'approche est très similaire dans les deux cas (faire quelque chose avec le prix pour satisfaire toutes les exigences du modèle et prédire l'avenir), mais les manières de le faire sont légèrement différentes.
Mais apparemment le prix est trop aléatoire, et les modèles trouvés sont très petits. Quel que soit le temps consacré à l'apprentissage du modèle, son estimation sera toujours loin d'être parfaite, ne dépassant que de quelques pour cent l'estimation obtenue à partir d'une supposition aléatoire.
Parfois, on peut avoir de la chance et ces dépendances trouvées, bien que petites, existent pendant longtemps et apportent des bénéfices. Mais ils disparaissent toujours soudainement. C'est le principal problème maintenant. Trouver quelques indicateurs externes, comme des rapports financiers, qui peuvent m'aider à enseigner le modèle avec une très bonne estimation pour que les dépendances trouvées soient stables et ne disparaissent pas de manière inattendue.
Avec la pratique, je développe ma propre compréhension du Forex, et le garch ne résout pas les problèmes dont j'ai besoin.
Il peut apparaître que garch résout facilement de nombreux problèmes et donne des résultats comparables à des MO complexes utilisant des méthodes simples. Mais l'apport de garch est limité par le prix, et je pense que ce n'est pas suffisant. Ainsi, si nous prenons un modèle MO, que nous lui donnons des prix et que nous comparons les prédictions avec celles obtenues avec garch, il peut sembler qu'elles ne soient pas inférieures. Mais si vous donnez à un modèle MO beaucoup plus de données d'entrée, il obtiendra un avantage significatif.
En général, garch et les autres modèles d'apprentissage automatique ont beaucoup en commun. En travaillant avec garch, vous êtes beaucoup plus proche de MO que vous ne le pensez.
Dans les deux cas (MO et garch), le prix est pris, toutes sortes de transformations sont faites avec lui pour créer des prédicteurs (indicateurs pour les modèles normaux, et transformations arima pour garch), et sur la base de ceux-ci le prix est modélisé en essayant de prédire les gains.
En outre, dans la MO, il y a une validation croisée pour s'assurer que tout est correct, tandis que pour le garch, il y a également des contrôles statistiques internes.
En général, l'approche est très similaire dans les deux cas (faire quelque chose avec le prix pour satisfaire toutes les exigences du modèle et prédire l'avenir), mais les manières de le faire sont légèrement différentes.
Mais apparemment le prix est trop aléatoire, et les modèles trouvés sont très petits. Quel que soit le temps consacré à l'apprentissage du modèle, son estimation sera toujours loin d'être parfaite, ne dépassant que de quelques pour cent l'estimation obtenue à partir d'une supposition aléatoire.
Parfois, on peut avoir de la chance et ces dépendances trouvées, bien que petites, existent pendant longtemps et apportent des bénéfices. Mais ils disparaissent toujours soudainement. C'est le principal problème maintenant. Trouver quelques indicateurs externes, comme des rapports financiers, qui peuvent m'aider à enseigner le modèle avec une très bonne estimation pour que les dépendances trouvées soient stables et ne disparaissent pas de manière inattendue.
Les entrées sur les marchés financiers sont toujours façonnées par des personnes qui ont leurs propres intérêts, et diffèrent à différents moments dans les mêmes conditions.
Ceci est particulièrement évident dans le TF à H1. Nous obtenons un processus aléatoire non stationnaire formé par les désirs de groupes d'individus relativement petits.
Au-dessus de D1, la loi des grands nombres commence à fonctionner et la direction du mouvement est également façonnée par les investissements de l'État, des grandes entreprises et de la politique.
Sur une petite TF, il est inutile de chercher des modèles - il n'y en a pas. Ce qui s'est formé et que nous avons défini comme un motif est en fait des cercles sur l'eau : étaient et ne sont pas. Nous pouvons attraper le début d'une vague, la couper et attendre la prochaine occurrence d'une vague similaire, et il se peut qu'elle ne se produise pas du tout.
Dans le cas d'une grande TF, un grand nombre de facteurs doivent être pris en compte, car au départ, leur influence sur la variable cible n'est pas claire. Mais le point fondamental est que la source du mouvement n'est pas un processus aléatoire, mais un processus déterministe, produit depuis longtemps, maintenu intentionnellement jusqu'à sa réalisation. Nous pouvons ne pas comprendre/savoir, mais ces mouvements peuvent être tentés d'être repêchés par le MO sous forme de motifs, qui ne sont pas éternels, mais dont la vie peut durer des années.
Il s'ensuit que le MO et le GARCH sont des outils complémentaires et doivent être combinés dans un système de trading.
Les entrées sur les marchés financiers sont toujours façonnées par des personnes qui ont leurs propres intérêts, et diffèrent à différents moments dans les mêmes conditions.
Ceci est particulièrement évident dans le TF à H1. Nous obtenons un processus aléatoire non stationnaire formé par les désirs de groupes d'individus relativement petits.
Au-dessus de D1, la loi des grands nombres commence à fonctionner et la direction du mouvement est également façonnée par les investissements de l'État, des grandes entreprises et de la politique.
Sur une petite TF, il est inutile de chercher des modèles - il n'y en a pas. Ce qui s'est formé et que nous avons défini comme un motif est en fait des cercles sur l'eau : étaient et ne sont pas. Nous pouvons attraper le début d'une vague, la couper et attendre la prochaine occurrence d'une vague similaire, et il se peut qu'elle ne se produise pas du tout.
Dans le cas d'une grande TF, un grand nombre de facteurs doivent être pris en compte, car au départ, leur influence sur la variable cible n'est pas claire. Mais le point fondamental est que la source du mouvement n'est pas un processus aléatoire, mais un processus déterministe, produit depuis longtemps, maintenu intentionnellement jusqu'à sa réalisation. Nous pouvons ne pas comprendre/savoir, mais ces mouvements peuvent être tentés d'être repêchés par le MO sous forme de motifs, qui ne sont pas éternels, mais dont la vie peut durer des années.
Il s'ensuit que le MO et le GARCH sont des outils complémentaires et doivent être combinés dans un système de trading.
Je suis fatigué d'écrire qu'il n'y a pas de différence entre les délais à prendre, les risques sont les mêmes partout, il n'y a pas de différence sauf dans le spread et la commission pour le scalping, mais c'est un autre type de facteur négatif. Toute série temporelle n'est décrite que par quelques variables, peut-être même par 2, telles que la persistance (heurst) et la volatilité (dimension fractale) et, disons, la durée de ces cycles non périodiques qui devraient être séparés, tout. À partir de là, il est possible de construire des modèles simples et fiables avec le MO ou avec autre chose. Il s'ensuit qu'il n'est jamais possible de construire un modèle fonctionnant en continu, car les citations sont aléatoires et les cycles non périodiques se forment spontanément, de sorte que les moments de transition d'un cycle à l'autre ne sont pas prévisibles dans les mêmes conditions et qu'il faut changer l'échelle de représentation pour voir ces cycles comme les composantes d'un plus grand. Je pense que cette compréhension est la base sans laquelle il est impossible de considérer le marché comme un système probabiliste de la bonne manière. Dans le cadre de cycles non périodiques, même les modèles simples fonctionnent bien, les choses s'effondrent toujours lorsque les cycles changent. D'un cycle à l'autre, le marché est toujours nouveau et différent. Et qu'est-ce que le TF a à voir avec tout ça.
D'où viennent toutes ces conneries sur les petites TF qui sont dominées par les désirs de petits groupes de personnes, alors que dans les grandes, tout est déterminé. Cela n'a jamais été comme ça et c'est un doigt dans le ciel, les marchés sont un mécanisme différent où tout est interconnecté avec tout, d'où l'invariance d'échelle de tous les TF (horizons d'investissement).
Si nous devons parler de déterminisme, il s'agit de la dépendance de toutes les échelles de temps les unes par rapport aux autres, car la citation est la même, nous ne changeons que l'échelle de l'événement, c'est comme se déplacer le long d'une fractale d'une échelle inférieure à une échelle supérieure et vice versa.
Les entrées sur les marchés financiers sont toujours façonnées par des personnes qui ont leurs propres intérêts, et diffèrent à différents moments dans les mêmes conditions.
Ceci est particulièrement évident dans le TF à H1. Nous obtenons un processus aléatoire non stationnaire formé par les désirs de groupes d'individus relativement petits.
Au-dessus de D1, la loi des grands nombres commence à fonctionner et la direction du mouvement est également façonnée par les investissements de l'État, des grandes entreprises et de la politique.
Sur une petite TF, il est inutile de chercher des modèles - il n'y en a pas. Ce qui s'est formé et que nous avons défini comme un motif est en fait des cercles sur l'eau : étaient et ne sont pas. Nous pouvons attraper le début d'une vague, la couper et attendre la prochaine occurrence d'une vague similaire, et il se peut qu'elle ne se produise pas du tout.
Dans le cas d'une grande TF, un grand nombre de facteurs doivent être pris en compte, car au départ, leur influence sur la variable cible n'est pas claire. Mais le point fondamental est que la source du mouvement n'est pas un processus aléatoire, mais un processus déterministe, produit depuis longtemps, maintenu intentionnellement jusqu'à sa réalisation. Nous pouvons ne pas comprendre/savoir, mais ces mouvements peuvent être tentés d'être repêchés par le MO sous forme de motifs, qui ne sont pas éternels, mais dont la vie peut durer des années.
Il s'ensuit que le MO et le GARCH sont des outils complémentaires et doivent être combinés dans un système de trading.
Sur tout TF est un processus aléatoire non stationnaire. Ilpossède une composante déterministe non stationnaire et une composante aléatoire non stationnaire, également sur tout TF.
Utiliser ses "désirs" et autres absurdités pour expliquer le caractère aléatoire et la non-stationnarité est une absurdité.
Toutes les informations sur le processus se trouvent dans le processus lui-même (dans le graphique-historique, "le prix qui compte pour tout"). Le défi consiste à extraire les bonnes informations du processus, qui pourraient être utilisées à des fins personnelles. La tâche est difficile, mais soluble.
L'économie d'un pays consiste à produire des biens et des services, ce qui est un processus très déterministe et très inertiel. On peut trouver des exemples où de tels processus sont parfaitement stables depuis des décennies. Une variation d'un pour cent du produit brut d'un pays en un an est soit un succès, soit un désastre. Une baisse de 10 % de la production d'un pays peut provoquer une explosion sociale.
Ce dont nous sommes témoins est une écume sur ce processus déterministe. Aujourd'hui, cette mousse se détache de plus en plus de l'économie réelle, mais au niveau macroéconomique, au niveau des indicateurs économiques naturels trimestriels, qui se comptent par dizaines de milliers, tout reste identique.
http://my-files.ru/9iyzd6
Quelque part sur le forum, il y avait un sujet où quelqu'un utilisait des données similaires et prédisait un indice une fois tous les deux mois.
J'ai trouvé ça.https://www.mql5.com/ru/forum/40739(aussi FRED). Sujet intéressant, peut-être qu'un jour j'essaierai de prédire l'eurusd sur une échelle de temps mensuelle en utilisant ces données.
Attention, les indicateurs peuvent être révisés (redessinés).
L'économie d'un pays consiste à produire des biens et des services, ce qui est un processus très déterministe et très inertiel. On peut trouver des exemples où de tels processus sont parfaitement stables depuis des décennies. Une variation d'un pour cent du produit brut d'un pays en un an est soit un succès, soit un désastre. Une baisse de 10 % de la production d'un pays peut provoquer une explosion sociale.
Ce dont nous sommes témoins est une écume sur ce processus déterministe. Aujourd'hui, cette mousse se détache de plus en plus de l'économie réelle, mais au niveau macroéconomique, au niveau des indicateurs économiques naturels trimestriels, qui se comptent par dizaines de milliers, tout reste identique.
Encore une fois avec votre rhétorique sans fondement : "très déterministe", "extrêmement inertiel"... Vous dites "mousseux" ? et "tout reste pareil" ? C'est comme si vous aviez peint une image dans votre tête et que vous décriviez cette image sans vous soucier de son décalage par rapport à la réalité.
Vous êtes en quelque sorte un "économétricien" et devriez être en mesure de comprendre... mais non.
Essayez de lire un article de Sergey Glazyev. Il sera utile pour comprendre la situation.
Mon opinion actuelle est de trader les déviations plutôt que les tendances en raison du caractère douteux de ces tendances dans un avenir proche.
Pour négocier les déviations, il existe un dispositif appelé GARCH, qui est largement utilisé sur les marchés financiers, à commencer par le trading à haute fréquence. La limite de rêve est de 100 pips maximum. Ainsi, sur les TF jusqu'à H1, nous attrapons 15-20 pips et attendons le prochain signal. Moins le temps passé sur le marché est long, meilleur est le conseiller expert.