L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 741
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
C'est juste que vos questions sont d'un niveau débutant......
Tant pis pour le fait de s'énerver. Je veux dire moi... Moose, le premier en quinze jours... Mais je ne me décourage pas et je continue à travailler sur le TS.
Bien sûr, je n`ai aucune expérience, donc je suis curieux de demander ce que je ne comprends pas.
Bien sûr, je n'ai aucune expérience, c'est pourquoi je souhaite demander ce que je ne comprends pas.
Essayez de comprendre la technologie des réseaux neuronaux et l'apprentissage automatique par vous-même. Ensuite, nous parlerons...
Essayez de comprendre la technologie des réseaux neuronaux et l'apprentissage automatique par vous-même. Alors nous parlerons...
J'aurais besoin d'un professeur et d'un mentor dans ce domaine...
Parce que la variation est faible, si sur 30 observations et 30 tests vous obtenez une précision de 90%, alors vous pouvez prendre le risque s'il n'y a pas de choix, mais le marché à >95% est du bruit, donc vous avez besoin de milliers de fois plus de points pour obtenir une prédiction au moins comparable en modulo à l'erreur.
PS : le théorème de la limite centrale est la base de la statistique et de sa progéniture MO, c'est comme F = ma en mécanique, tu lui manques tellement de respect....
Où avez-vous vu cette exécution du théorème de la limite sur les variables aléatoires non stationnaires ?
Vous ne trouvez pas d'emploi ? Multipliez votre temps par votre pouvoir !
(Une collection de conseils universels)
;)))))
Voici une autre hérésie sur le "problème de non-stationnarité"...
Le rendement est stationnaire et presque gaussien lorsqu'il est redressé par la volatilité, et c'est tout ce qui est nécessaire, le prix lui-même qui n'est pas stationnaire n'intervient pas dans les calculs.
Étudiez GARCH et ne postez pas une autre hérésie sur le "problème de non-stationnarité" ici... pour les retours. Il existe des centaines de modèles GARCH qui tentent de rendre compte des nuances de la non-stationnarité des rendements, mais tous ces gens n'ont pas cet aplomb.
...
Pourquoi ?
Car lorsqu'un médicament est créé de manière théorique, beaucoup d'efforts sont consacrés à justifier l'effet du médicament sur la maladie.
La seule chose qui nous différencie, c'est que nous mettons tout dans le même sac. Regardez ce fil de discussion : 99 % sur les perseptrons et presque rien sur l'exploration des données.
Et où avez-vous vu les fabricants de médicaments ici ? Seuls les consommateurs, vous avez cessé de prendre des forêts aléatoires, maintenant vous buvez du garch arcch - patients, cependant ...
J'ai essayé de l'étudier, j'ai même recommencé plusieurs fois. Mais à chaque fois, je me suis heurté à un mur de termes statistiques et économétriques insurmontables et je n'ai jamais pu y arriver.
Mais j'ai quand même compris quelque chose d'important. Arima et Garch passent beaucoup de temps à modéliser les états internes d'une série chronologique, à partir desquels le prix est ensuite dérivé. En d'autres termes, il existe des dizaines de processus globaux en cours dans le monde, et le prix est une combinaison de ces processus. Ainsi, au lieu de modéliser la série temporelle elle-même, il est préférable d'essayer de modéliser ces processus cachés, et de modéliser l'interaction de ces processus pour obtenir la série temporelle dont nous avons besoin.
Garch et Arim ont quelques idées intégrées sur ces processus cachés (saisonnalité, tendance, etc.), mais ils sont limités aux formules mises en place dans ces modèles il y a des décennies. Nous pouvons essayer de créer nos propres indicateurs qui décriraient ces conditions de marché interne, et il y a moins de limitations que dans garch. Mais il est également facile de faire une erreur, c'est aussi une tâche très complexe.
Le rendement est stationnaire et presque gaussien une fois redressé par la volatilité, ce qui est tout ce qui est nécessaire, le prix lui-même qui n'est pas stationnaire ne participe pas aux calculs.
Redressez-vous la volatilité sur l'historique ou sur l'arrivée d'un nouveau tick ? Il est clair qu'en décalant, par exemple, une muv d'une demi-période en arrière et en la déduisant des cotations de base, on peut obtenir une quasi gaussienne dans le résidu. Mais pour savoir ce qui se passe avec la volatilité à l'endroit le plus intéressant - le bord droit, nous devons connaître la moitié future de la période muv. Où peut-on les trouver ?
J'ai essayé de l'étudier, j'ai même recommencé plusieurs fois. Mais à chaque fois, je me suis heurté à un mur de termes statistiques et économétriques insurmontables et je n'ai jamais pu y arriver.
Mais j'ai quand même compris quelque chose d'important. Arima et Garch passent beaucoup de temps à modéliser les états internes d'une série chronologique, à partir desquels le prix est ensuite dérivé. En d'autres termes, il y a des dizaines de processus globaux en cours dans le monde, et le prix est une combinaison de ces processus. Ainsi, au lieu de modéliser la série temporelle elle-même, il est préférable d'essayer de modéliser ces processus cachés, et de modéliser l'interaction de ces processus pour obtenir la série temporelle dont nous avons besoin.
Garch et Arim ont quelques idées intégrées sur ces processus cachés (saisonnalité, tendance, etc.), mais ils sont limités aux formules mises en place dans ces modèles il y a des décennies. Nous pouvons essayer de créer nos propres indicateurs qui décriraient ces conditions de marché interne, et il y a moins de limitations que dans garch. Mais il est également facile de faire une erreur, c'est une tâche très difficile.
GARCH et MO ne sont pas concurrents, ils se complètent complètement. C'est ce que je fais maintenant : j'essaie de combiner l'ancien MO - tendance et d'ajouter GARCH pour déterminer le point d'entrée. J'ai déjà écrit que j'ai un EA qui m'a donné la somme d'argent dont j'avais besoin en un an de trading. Il se composait à la fois de RF et de sorciers adaptatifs (juriks raffinés). Mais cet appariement n'a pas résolu les problèmes de non-stationnarité.
Globalement, je distingue deux types de modèles :
Tout le monde sur ce fil s'accroche au MO pour une raison quelconque. Sur quelle base ? La base de la classification est une sorte de relation entre la variable cible et ses prédicteurs.
Tout d'abord, toute spéculation sur la relation est immédiatement rejetée, comme ce fut le cas pour l'information mutuelle.
Deuxièmement, qui a prouvé que s'il existe une telle influence des prédicteurs sur la variable cible, cette influence ne changera pas avec le temps ? J'ai déjà écrit de nombreuses fois sur la base d'un véritable Expert Advisor de trading que sur 27 prédicteurs trouvés au préalable, ils sont sélectionnés sur chaque barre et 5 à 15 d'entre eux sont laissés, et cette liste change constamment au sein des 27 prédicteurs. C'est-à-dire que le degré d'influence des prédicteurs sur la variable cible change dans le temps et assez rapidement.
L'idée du conseiller expert est donc la suivante :