L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 3346

 
Pour parvenir à une conclusion intermédiaire, des ensembles sont utilisés, tant en kozul qu'en variation et dans toutes les autres directions, telles que les classificateurs bayésiens et les modèles linéaires généralisés, tels qu'ils sont appliqués à la MO.

En kozul, pour une raison quelconque, ils sont généralement limités à un classificateur ou à un régresseur (ou deux), alias méta lerner. Alors que dans l'article sur catbust et d'autres librairies, les ensembles sont utilisés. La raison pour laquelle Kozula ne le révèle pas est un peu étrange. Ils ne généralisent pas au cas des ensembles. Il s'agit essentiellement de statistiques sur des modèles. Il n'y a pas de magie particulière, mais les résultats sont parfois agréables.

Je n'ai pas encore vu d'ouvrage de référence général sur le sujet. C'est un peu comme le ML.

Plus loin, il y a une bifurcation sur la façon d'appliquer tout cela à la classification des séries temporelles, et à un cas spécial - la classification des BP pour le trading, ce dernier sujet n'est pratiquement pas divulgué ou mentionné nulle part.
 
Maxim Dmitrievsky #:
La particularité est que même sans connaître l'écart réel, une partie des transactions tombe lorsque vous l'augmentez artificiellement dans le testeur.

Plus l'écart augmente, plus l'espérance de la matrice diminue. Je n'ai pas compris le problème du spread.

 
Maxim Dmitrievsky # : Le nouveau produit de Google , TSMixer, semble surpasser TimeGPT dans les benchmarks, je viens de commencer à le lire.

NHITS et lightGBM ont également un RMS inférieur à celui de TimeGPT dans les données quotidiennes et horaires. https://valeman.medium.com/what-truly-works-in-time-series-forecasting-the-results-from-nixtlas-mega-study-78eda5133622



Avez-vous essayé Conformal Prediction ?

https://valeman.medium.com/how-to-predict-full-probability-distribution-using-machine-learning-conformal-predictive-f8f4d805e420

https://github.com/valeman/awesome-conformal-prediction#papers-time-series

GitHub - valeman/awesome-conformal-prediction: A professionally curated list of awesome Conformal Prediction videos, tutorials, books, papers, PhD and MSc theses, articles and open-source libraries.
GitHub - valeman/awesome-conformal-prediction: A professionally curated list of awesome Conformal Prediction videos, tutorials, books, papers, PhD and MSc theses, articles and open-source libraries.
  • valeman
  • github.com
A professionally curated list of awesome Conformal Prediction videos, tutorials, books, papers, PhD and MSc theses, articles and open-source libraries. - GitHub - valeman/awesome-conformal-predicti...
 
fxsaber #:

Plus l'écart augmente, plus l'espérance de la matrice diminue. Je ne comprends pas le problème de l'étalement.

S'il existe un modèle qui fonctionne dans des conditions de serre, j'aimerais l'adapter à n'importe quelle maison de courtage avec n'importe quel écart. J'aimerais l'adapter à n'importe quelle maison de courtage avec n'importe quel écart. Il semblerait plus facile d'ajouter un écart plus important dans la majoration des transactions et de le réapprendre, mais cela ne sert à rien. Il refuse de donner un bénéfice avec un écart plus important à la sortie.

Il s'avère donc que le modèle lui-même se situe au niveau de l'écart, ou comment l'interpréter ? C'est-à-dire qu'il ne couvre pas les coûts de négociation.
 
Maxim Dmitrievsky #:
S'il existe un modèle qui fonctionne dans des conditions de serre, j'aimerais l'adapter à n'importe quelle maison de courtage avec n'importe quel écart. J'aimerais l'adapter à n'importe quelle maison de courtage avec n'importe quel écart. Il semblerait plus facile de mettre un écart plus important dans la majoration des transactions et de le réapprendre, mais cela ne sert à rien. Il refuse de réaliser un bénéfice avec un écart plus important à la sortie.

Ainsi, dans des conditions de serre, l'espérance de mat. est faible. C'est exactement là que se trouve l'alpha.

Remplaçons le mot modèle par scalper. Disons qu'il est effectivement rentable à certaines cotations. L'alpha se trouve dans une attente faible.

Nous aggravons les cotations. Nous l'entraînons à OOS. Parce que l'alpha est détruit. Pendant la formation, il peut y avoir des milliers de transactions. Mais il n'y a pas d'alpha - il est condamné.


ZY Pourquoi faire du profit sur de mauvaises cotations, alors que tout est déjà en place pour faire du profit sur de bonnes cotations ?

 
fxsaber #:

Ainsi, dans des conditions de serre, la matrice d'attente est faible. Exactement là où se trouve l'alpha.

Remplaçons le mot modèle par scalper. Disons qu'il est effectivement rentable à certains cours. L'alpha se trouve dans l'attente faible.

Nous aggravons les cotations. Nous l'entraînons à OOS. Parce que l'alpha est détruit. Pendant la formation, il peut y avoir des milliers de transactions. Mais il n'y a pas d'alpha - condamné.


ZY Pourquoi faire des bénéfices sur de mauvaises cotations alors que tout est déjà en place pour faire des bénéfices sur de bonnes cotations ?

D'une certaine manière, je déteste l'idée que les mauvaises conditions de trading ne laissent aucune chance. Je voulais que cela fonctionne aussi pour eux. Pourquoi, par exemple, un petit schéma ne se résume pas et ne se répercute pas sur d'autres échelles de temps en un schéma plus large, où l'écart n'est pas si décisif. Je n'arrive pas à m'y retrouver.
 
Maxim Dmitrievsky #:
Il s'avère donc que le modèle lui-même se situe au niveau de l'écart, ou comment l'interpréter ? C'est-à-dire qu'il ne couvre pas les coûts de négociation.

Coûts de négociation - slippage, liquidité, commission, swap. Le spread est la valeur (je n'ai pas écrit la différence à dessein) entre l'offre et la demande à un moment donné.

De minuit à 1 heure du matin, le spread minimum sur l'EURGBP est des dizaines de fois plus important que le spread maximum avant minuit.


Et pour certains scalpers, c'est l'heure la plus savoureuse de la journée.

 
fxsaber #:

Coûts de négociation - slippage, liquidité, commission, swap. Le spread est la valeur (je n'ai pas écrit la différence volontairement) entre l'offre et la demande à l'heure actuelle.

De minuit à 1 heure du matin, le spread minimum sur l'EURGBP est des dizaines de fois supérieur au spread maximum avant minuit.


Et pour certains scalpers, c'est l'heure la plus savoureuse de la journée.

Néanmoins, nous suivons le schéma suivant : spread - autres coûts.
 
Maxim Dmitrievsky #:
Nous négocions toujours le modèle - l'écart - les autres coûts.

Aucun de mes conseillers techniques, où que ce soit dans la logique (même indirectement), n'utilise la valeur de l'écart. Je ne suis pas le seul.

La raison pour laquelle les données brutes sous la forme de deux prix bid/ask sont converties en prix/spread et que l'on recherche ensuite l'alpha dans le prix est un mystère pour moi.

Parler de spread, d'échelle de temps et de chandeliers japonais, c'est à peu près la même chose.

 

"Hello World" dans le domaine de la compréhension des données sources - pour écrire un script qui montrera le profit maximum possible sur l'intervalle historique.

Si vous n'avez pas cette information, ce que vous faites n'est pas clair.