L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2651
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
Est-ce mieux ?
=====================
vous pouvez compliquer davantage les expressions
Oui, la liste est une bonne idée.
Pour faire un vrai double, il faut des types de données algébriques. Je n'ai pas encore vu leur implémentation pour R, et l'optimisation génétique ne fonctionnera pas avec eux( il n'est pas clair quel type d'optimisation fonctionnera avec eux du tout).
Je ne sais pas ce qu'il en est pour vous, mais je suis fasciné par cet algorithme... Comment de simples variables en bas de l'échelle s'ajoutent à de grandes expressions complexes en haut de l'échelle, une hiérarchie, comme dans la nature....
Oui, la liste est une bonne idée.
Pour faire un vrai double, il faut des types de données algébriques. Je n'ai pas encore vu leur implémentation pour R, et l'optimisation génétique ne fonctionnera pas avec eux( il n'est pas clair quel type d'optimisation fonctionnera avec eux du tout).
Eh bien, oui, il y a des limitations, parce que chaque chiffre pour GP est un élément distinct dans la liste, donc s'il y en a beaucoup, il y a des problèmes(( , mais vous pouvez sortir de cette situation comme je l'ai montré.
Je ne sais pas ce qu'il en est pour vous, mais je suis fasciné par cet algorithme... Comment de simples variables en bas de l'échelle s'ajoutent à de grandes expressions complexes en haut de l'échelle, une hiérarchie, comme dans la nature....
En quoi est-elle meilleure que la MSUA ? On peut être fasciné par n'importe quoi, du moment que c'est bon pour la santé).
Eh bien, c'est différent.
Un peu d' invariance par rapport aux événements
Supposons que nous voulions décrire un modèle de tête et d'épaules (supposons qu'un tel modèle existe) , notre algorithme examine les derniers points H, disons 7 comme dans l'exemple.
Le rectangle vert montre la portée de l'algorithme. Les derniers points H, dans cet exemple 7 pièces.
Les données sous cette forme sont traitées, introduites dans l'AMO, etc., la fenêtre coulissante, etc.
Si nous décrivons la régularité par des règles, ce sera quelque chose comme x[1] < x[2] & x[2] > x[3] etc.....
Mais dans la réalité, le marché change, s'étire/rétrécit, les amplitudes changent, etc....
Voici la réalité du marché, et nous regardons tous les 7 derniers points en espérant que notre règle x[1] < x[2] & x[2] > x[3]... fonctionnera )).
Comme vous pouvez le voir, il y a un modèle, il n'a pas disparu, mais notre GPT-5 à 10 couches ne verra rien ).
Conclusions : tous les algorithmes AMO "out of the box" fonctionnent avec des données tabulaires, c'est-à-dire que tous les algorithmes recherchent des modèles avec une liaison rigide aux indices, cela ne fonctionne pas....
1) Il est nécessaire de se tourner vers des algorithmes tels que les règles associatives, qui sont liées à des événements, à des séquences d'événements, mais qui ne sont pas liées à des indices.
2) Soit concevoir nous-mêmes les bonnes règles et en faire des modèles.
3) Soit utiliser pour l'AMO la représentation des données qui est utilisée pour les algorithmes de règles associatives/séquences, mais le nombre de caractéristiques sera alors de plusieurs milliards.
Il n'est pas évident de savoir quel type d'optimisation fonctionnera avec eux
Le pouvoir de la diversification
Supposons que nous ayons une UC qui ne rapporte pas beaucoup d'argent, voire pas du tout.
Voici sa courbe de rendement.
En fait, il s'agit d'un bruit aléatoire auquel s'ajoute une très faible tendance, si petite qu'elle n'est pas visible à l'œil nu dans le bruit.
Voici la tendance.
Il s'agit d'une stratégie que nous ne laisserons pas commercialiser).
Mais que se passe-t-il si nous avons 100 stratégies non corrélées de ce type qui sont négociées simultanément sur un compte ?
Ce n'est pas très bon, mais qu'en est-il si nous avons 1000 stratégies ?
Et 100 000 stratégies ?
C'est vraiment génial.
Est-il possible de générer autant de stratégies avec MO ? ....
Qu'entendez-vous par là ? Il y a l'optimisation continue qui est double et l'optimisation discrète qui est entière. Ou est-ce que je n'ai pas compris ?
J'y ai parlé des types de données algébriques. Ils généralisent les types de données complexes comme les listes et les arbres. Ils combinent une structure discrète complexe et un ensemble de nombres réels stockés dans cette structure (qui s'avère être de taille non fixe). Par conséquent, nous devons d'une manière ou d'une autre combiner l'optimisation discrète sur la structure et l'optimisation continue sur les nombres stockés dans cette structure. Je n'ai absolument aucune idée de la manière de procéder, du moins en théorie.