L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1626
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
Il me semble que la probabilité est à la fois la probabilité et la probabilité...
L'incertitude est différente, mais la probabilité (quand il y en a une) est toujours une probabilité).
La théorie des jeux tente généralement de réduire l'incertitude du jeu à une incertitude probabiliste. Par exemple, grâce à l'équilibre de Nash dans les stratégies mixtes.
Pour les marchés, le principal problème de la conversion aux modèles probabilistes est l'importante non-stationnarité des modèles résultants.
En effet, il y a beaucoup de fous, dix mille n'est qu'un avant-goût, certains piverts essaient de se mettre un million de points dans la bouche ! Il y a aussi les tics et les culbutes...
L'incertitude est différente, mais la probabilité (quand il y en a une) est toujours une probabilité).
La théorie des jeux tente généralement de réduire l'incertitude du jeu à une incertitude probabiliste. Par exemple, grâce à l'équilibre de Nash dans les stratégies mixtes.
Pour les marchés, le principal problème du passage aux modèles probabilistes est la non-stationnarité importante des modèles résultants.
Tout cela parce que la représentation de l'information n'est pas correcte.
On traite un processus non stationnaire comme on traite un processus stationnaire en mesurant une vague de mer avec une règle/un centimètre.
Vous devez d'abord transformer les structures fractales en une dimension (convertir les structures non stationnaires en structures statiques), puis trouver des modèles/traces et enfin des statistiques/probabilités.
C'est ce que je veux dire. Beaucoup de gens oublient une règle fondamentale très importante. Si une tâche peut être résolue sans l'aide de NS, elle doit être réalisée. De cette règle découle que nous avons vu les données de manière mathématique tant que les mathématiques nous permettent de le faire, dès que les mathématiques deviennent impuissantes alors nous utilisons NS. En d'autres termes, les données d'entrée doivent être filtrées, lissées, normalisées, etc. au maximum. MATHÉMATIQUES jusqu'au principe des mathématiques, et seulement ensuite commencer à appliquer les NS. Et non pas pour que l'on y fourre de la camelote NS et que l'on attende au bord de la mer du temps. Ce n'est pas comme ça que ça marche. Par exemple, en utilisant 50 vecteurs d'entrée, j'ai rejeté tous les morceaux de marché inutiles qui seront du bruit pendant l'apprentissage et en utilisant ce nombre d'entrées, j'obtiens un modèle de qualité d'apprentissage de 90-95% avec un temps de 2 mois sur M5. Que se passerait-il si j'envoyais toute cette partie au réseau ? Rien. Je recevrais un modèle de bien moins bonne qualité et inutilisable. Et le complot était en deux mois, comme dans le premier que dans le deuxième cas, et est resté ainsi. Mais le résultat est différent.
Cool, qu'est-ce que je peux dire, je n'ai jamais eu plus de 55% d'acurasi pour prédire la direction du futur, sans aucun mélange du passé. En général, il est préférable de compter non pas acurasi, mais la corrélation avec le rendement futur, ce nombre est dit être proportionnel à Sharpe Ratio, qui sera obtenu (en fonction bien sûr des coûts de négociation). Une corrélation de 3% est suffisante pour un SR annuel ~1 -1.5
Cool, que puis-je dire, je n'ai jamais eu plus de 55% d'acurasi pour prédire la direction du futur, sans aucun mélange du passé. En général, il est préférable de compter non pas acurasi, mais la corrélation avec le rendement futur, ce nombre est dit être proportionnel à Sharpe Ratio, qui sera obtenu (en fonction bien sûr des coûts de négociation). Une corrélation de 3% est suffisante pour un SR annuel ~1 -1.5
Essayez de filtrer mathématiquement l'entrée et de réduire ainsi l'échantillon d'entraînement, sans raccourcir la période de temps, et la qualité des NS augmentera, j'en suis sûr. Vous vous débarrasserez ainsi des bruits inutiles, qui sont éliminés par les mathématiques. Encore une fois, j'ai écrit les valeurs de généralisabilité données par l'optimiseur. La période de temps est la même, mais la qualité du réseau résultant sera meilleure, ce qui affectera le retour d'information. IMHO
Excusez-moi ?
tout ça parce que la représentation de l'information n'est pas correcte...
Le processus non stationnaire est traité comme un processus stationnaire mesuré avec une "règle/onde de mer centimétrique".
Il faut tout d'abord transformer les structures fractales en une dimension (de non stationnaire à statique), puis trouver des motifs/modèles, et enfin des statistiques/probabilités.
En cas de non-stationnarité importante, il est plus correct de parler de multifractale car les caractéristiques fractales changent avec le temps. Ces changements sont aussi imprévisibles les uns que les autres.
Comment ça ?
Disons que ce ne sont pas toutes les minutes, mais celles dont le corps est supérieur à N points, par exemple. De cette façon, vous réduirez la quantité de données, mais pas l'intervalle d'échantillonnage. Et le réseau vous remerciera.
Puisque nous avons abordé ce sujet en général, je dirai que récemment, j'ai aidé la grille à travailler par prétraitement. Disons que j'optimise d'abord les paramètres du Sequent, j'obtiens en principe un Sequent de typage. Et je demande au net de rendre meilleur le Sequenta qui gagne déjà. Je veux dire un jeu d'équipe. Dans la moitié où Sequenta gagne, dans l'autre moitié, un filet qui aide Sequenta à gagner davantage. Pour dire que je ne viole pas la NS, mais que je lui demande seulement d'aider un peu, et ce peu est suffisant.
Tout ceci sera couvert dans la vidéo...
Ne dites pas toutes les minutes, mais celles dont le corps est supérieur à N points, par exemple. Cela réduira la quantité de données mais pas l'intervalle d'échantillonnage. Et le réseau vous remerciera.
Puisque nous avons abordé ce sujet en général, je peux dire que récemment, j'ai aidé la grille à travailler par le biais du prétraitement. Disons que j'optimise d'abord les paramètres du Sequent, j'obtiens en principe un Sequent de typage. Et je demande au net de rendre meilleur le Sequenta qui gagne déjà. Je veux dire un jeu d'équipe. Dans la moitié où Sequenta gagne, dans l'autre moitié, un filet qui aide Sequenta qui gagne à mieux marquer. Ainsi, je ne viole pas la NS, mais je lui demande seulement d'aider un peu et ce peu est suffisant.
Tout cela sera montré dans la vidéo...