L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 153
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
Qu'est-ce que vous entendez par là ? Il semble y avoir quelque chose d'intéressant dans cette phrase, mais le sens m'échappe.
Je me suis trompé à propos de 2 sigma là, et bien en général l'incrément de prix pour une certaine période de temps, par exemple une minute, comme une fonctionnalité peut ajouter environ 4-5% d'informations supplémentaires sur l'endroit où le prix se déplace dans la prochaine minute, et ainsi de suite pour 5 min 5 min pour une heure et ainsi de suite, et bien tout cela est très approximatif, et "l'information" ne signifie pas qu'il se déplace aussi, il signifie le poids de cette fonctionnalité dans un système assez complexe avec des milliers de fonctionnalités. Ce qui ne voulait presque rien dire avant, du bruit.
1) Compréhension étroite de la question. un filtre de réseau de convolution peut effectuer de nombreuses opérations sur un vecteur d'entrée, et générer, par exemple, n moyennes mobiles, se chevauchant partiellement ou non, ou prendre plusieurs sommes. Ce qui est déjà une revendication pour l'ingénierie normale des fonctionnalités.
2) Encore une fois, un sous-entendu ou un malentendu. Pour les réseaux de convolution, il suffit d'alimenter les données "brutes" (sous forme pseudo-stationnaire), par exemple les retours de prix avec un retard de 1. Le réseau fait le reste.
Je ne discute pas des réseaux de convolution, la question est de savoir POURQUOI ILS FONCTIONNENT, notamment dans les images, les spectrogrammes, etc. Le fait est que les composantes vectorielles sont "étalées" les unes avec les autres, en fait l'image n'est même pas un vecteur, la couche de convolution compresse simplement la dimension, en multipliant les zones corrélées par un certain nombre de filtres sélectionnés par le bullpen, ces filtres peuvent être obtenus de différentes manières, mais l'image est, pour ainsi dire, le Tout, et la série chronologique sa "forme" est en fait du bruit, seules ses dernières barres et les dernières barres de centaines et de milliers d'autres instruments de diverses bourses ont un sens.
Et en insérant l'histoire d'un jour d'une série dans CNN et lereste est terminé par la chaîne elle-même. nous obtenons... ce que tout le monde obtient
Forum sur le trading, les systèmes de trading automatisé et les tests de stratégies de trading
Discussion sur "Working with Sockets in MQL, or How to Become a Signal Provider" (en anglais)
pavlick_, 2016.09.09 10:52
Je suis sous linux, donc ipc devient une tâche non triviale du tout (communication entre le terminal sous wine et linuex exe). Et l'IPC via le réseau est un moyen universel. Je connecte le script µl au programme linux via le loopback (127.0.0.1) sur le même ordinateur. En gros, j'ai écrit une api linux pour le terminal (le script µl gère les requêtes et envoie les données de prix ou place les ordres).
Dans ma situation, c'est la meilleure façon d'IPC d'après ce que j'ai essayé. Et je ne veux pas transférer mes développements vers µl - je ne veux pas être lié à un certain langage.
Il est possible que nous fassions un cadeau chic à la communauté R.
Le temps nous le dira.
Les gars, il y a une idée qui vaut la peine d'être vérifiée, je l'ai eue il y a longtemps, je voulais vérifier mais je n'arrivais pas à trouver le paquet et en quelque sorte j'ai oublié et abandonné, mais ici j'ai lu la branchede J.B et je me suis souvenu, il s'avère qu'il a aussi fait quelque chose de similaire :)
Nous parlons de corrélation croisée - nous pouvons calculer de combien une BP est en retard par rapport à l'autre BP et s'il existe un lien quelconque entre elles ...
L'essence de mon idée était de surveiller simultanément un grand nombre de paires et de construire quelque chose comme une matrice de corrélation croisée pour comparer chaque paire et trouver les paires qui se suivent mais dont l'une est en retard et trader ce retard, puisque le marché n'a rien de plus constant que le temps, je pense que les calculs devraient être faits constamment à chaque nouvelle barre, pour remarquer immédiatement quand une nouvelle relation apparaît et aussi pour remarquer immédiatement quand cette relation disparaît ....
Vous pouvez prendre n'importe quoi, n'importe quel prédicteur, mais je pense que la meilleure approche est celle des paires, parce que les teneurs de marché, lorsque le prix de leur instrument est presque toujours guidé par un ou un tas d'autres instruments, et les indicateurs classiques ont peu de chances de convenir.
je peux essayer d'entraîner un neurone en utilisant des prédicteurs changeant dynamiquement, c'est-à-dire que tout n'est limité que par l'imagination ...
J'essaierais bien de le mettre en œuvre moi-même, mais je suis occupé par un autre projet et je ne veux pas m'épancher.
La fonction standard ccf() de corrélation croisée dans P
est un package avancé avec une division pré-spectrale en niveaux et une vérification de la crossover "wavemulcor". Il peut également comparer plusieurs BP en même temps.
Nous parlons de corrélation croisée - nous pouvons calculer de combien une BP est en retard par rapport à l'autre et s'il existe un lien quelconque entre elles...
L'essence de l'idée est de surveiller simultanément un grand nombre de paires et de construire quelque chose comme une matrice de corrélation croisée pour comparer chaque paire l'une avec l'autre et trouver les paires qui se suivent pendant un certain temps mais dont l'une est à la traîne et trader ce décalage, comme le marché n'a rien de plus constant que le temps, je pense que ces calculs devraient être faits constamment à chaque nouvelle barre pour remarquer quand une nouvelle relation apparaît et aussi pour remarquer immédiatement quand cette relation disparaît ....
comparer plusieurs BP en même temps
Vous avez raison pour commencer, mais pas seulement les paires de devises, mais aussi les matières premières, les actions, les contrats à terme, les options, les obligations, les indices et tout ce que vous pouvez acheter, de préférence en tant que carnet d'ordres, au moins le deuxième prix, le volume et le carnet d'ordres, également les réseaux sociaux NLP, les nouvelles importantes par elles-mêmes, et la corrélation croisée est pour l'ajustement, Je dois affiner les données et les intégrer dans un ensemble de classificateurs dotés de différentes fonctionnalités. Je dois vous avertir tout de suite que, tout d'abord, les données en temps réel de haute qualité provenant des principales bourses du monde coûteront une jolie somme et qu'il faudra environ > 5 ans pour mettre en place une infrastructure de négociation et un ML avancé pour digérer ce flux.Il faut 5 ans de 3 à 5 professionnels qualifiés, pour des salaires de plus de millions de dollars, c'est un travail énorme, vous ne pouvez pas le faire seul, sauf sous une forme très "boutonneuse", qui échouera même si elle a un potentiel alpha à certains endroits, mais néanmoins c'est déjà quelque chose. En général, il faut être un fan de cette affaire, alors il y a une chance))). Espérer que le réseau convolutif ou récurrent fera tout par lui-même, c'est un point de vue naïf, de la même manière que l'on pensait auparavant aux inductions graphiques.
PS : Pour discuter publiquement des spécificités, pour des raisons évidentes, cela n'en vaut pas la peine, j'ai entendu des histoires, jusqu'à présent en Occident, où des gens ont été mis sur liste noire pour des pappers trop substantiels sur le sujet de l'application ML à l'algotrading, et ensuite personne ne les a pris à aucun fonds, la seule chose qui restait était d'enseigner à l'université ou sur le marché proche, youtube, écrire des blogs, apprendre aux pigeons comment couler quelques centaines de livres(((
Lao Tzu disait : "Celui qui sait - ne parle pas, celui qui parle - ne sait pas").
C'est-à-dire qu'on peut parler beaucoup, mais seulement en général, et les plus sophistiqués trompent un peu quand quelqu'un s'approche trop du soleil)))).
Cela a été sur MQL pendant des années.
Je me suis trompé sur les 2 sigmas, mais en général, l'incrément du prix sur une période de temps, par exemple une minute, comme une fonctionnalité peut ajouter environ 4-5% d'informations supplémentaires sur l'évolution du prix dans la prochaine minute, et ainsi de suite pour 5 min 5 min pour une heure et ainsi de suite, tout cela est très approximatif, et "l'information" ne signifie pas qu'il va se déplacer là aussi, cela signifie comment le poids de cette fonctionnalité dans des systèmes assez complexes qui prennent en compte des milliers de fonctionnalités. Ce qui était là avant ne signifie presque rien, le bruit.
Je comprends maintenant.
C'est cohérent avec mes observations. J'appelle cela le "mirroring" (je posterai probablement quelques graphiques à ce sujet plus tard). Pour prédire une hausse de prix de n minutes, le fait de regarder en arrière dans le temps pour les mêmes n minutes montre une meilleure valeur explicative.
Mais au-delà de cela, je dispose de données très complètes sur l'horizon pour lequel le pouvoir prédictif est le plus grand.
D'où viennent les chiffres de 4-5% ? Comment sont-ils calculés ? Significativité des prédicteurs, R^2, information mutuelle ?
De préférence, les références àccf() etwavemulcor
On a réussi à s'en passer.