L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 270
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
pourquoi tout le monde est-il si obsédé par les modèles ? pourquoi personne ne parle-t-il des signes ? pourquoi personne ne parle-t-il de la non-stationnarité ? Pourquoi personne n'essaie-t-il de résoudre ces problèmes ? Pourquoi personne ne réfléchit-il à ce qui détermine les prix ?
Si vous utilisez un stochastique, peu importe le modèle utilisé, qu'il s'agisse d'un KNN classique ou du réseau profond le plus sophistiqué,la précision sera de 51 à 53 %, quelle que soit la profondeur du réseau. À quoi servent ces modèles si les données d'entrée ne sont pas fiables ? Non, mais 95% de l'attention va aux modèles, pour moi personnellement les modèles sont la dernière étape du système, et c'est seulement 2% du travail.
Et il en va tout autrement lorsque la méthode est appliquée à de grandes quantités de données, pour lesquelles l'analyse algorithmique (à l'aide de formules directes) est très difficile, voire impossible. Mais ici, en général, seules les combinaisons de stochastiques couplées à des machcs sont gâchées, donc la question "pourquoi ?" n'est pas particulièrement pertinente ici.
pourquoi tout le monde est-il si obsédé par les modèles ? pourquoi personne ne parle-t-il des signes ? pourquoi personne ne parle-t-il de la non-stationnarité ? pourquoi personne n'essaie-t-il de résoudre ces problèmes ? pourquoi personne ne réfléchit-il à ce qui détermine les prix ? pourquoi ?
Vous vous méprenez sur le fil de discussion sur lequel vous êtes.
Regardez mes posts, et pas seulement mes posts qui disent que le problème principal est dans l'extraction de données. Je vous ai même donné un chiffre pour la répartition de l'intensité du travail, plus de 70% pour l'extraction de données.
De plus, j'ai affirmé et j'affirme toujours que le choix du modèle a peu d'effet sur le résultat final.
De plus, moi et d'autres membres du forum avons cité des algorithmes spécifiques qui permettraient de séparer l'ensemble original de prédicteurs du bruit. Ce faisant, on fait valoir que sans prédicteurs de bruit, le modèle n'est PAS RETRAIT.
Tout cela est disponible sur ce fil.
PS.
La non-stationnarité n'a pas été prise en compte car il s'agit de modèles de classification, et non de modèles de régression, et l'effet de la non-stationnarité sur la performance des modèles de classification n'est pas tout à fait clair.
pourquoi tout le monde fait une telle fixation sur les modèles ? pourquoi personne ne parle-t-il des signes ? pourquoi personne ne parle-t-il de la non-stationnarité ? pourquoi personne n'essaie-t-il de résoudre ces problèmes ? pourquoi personne ne réfléchit-il à ce qui détermine les prix ? pourquoi ?
Si vous entrez stochastique, le modèle que vous utilisez n'a pas d'importance ......
La non-stationnarité ne signifie pas la non-prévisibilité, elle signifie que des statistiques simples comme l'espérance et la variance dérivent, sans même que la régularité de cette dérive soit analysée, si elles dérivent, elles ne sont pas stationnaires. Dans le contexte de la MO, la non-stationnarité n'est pas un problème, la non-stationnarité est un problème pour les systèmes construits sur les hypothèses, la constance par morceaux de l'espérance et de la variation. La MO peut utiliser l'espérance et la variation de la fenêtre comme caractéristiques, mais c'est une très petite partie des caractéristiques et les erreurs de ces caractéristiques peuvent être partiellement éliminées. Le principal problème réside dans la rapidité des réactions du marché aux nouvelles informations, qui ne sont pas déterminées par les caractéristiques disponibles. Le seul espoir repose sur les initiés et les "hérauts" diffusants connexes, lorsque certains modèles de comportement des participants apparaissent avant l'annonce de la nouvelle. C'est-à-dire qu'en raison des actions d'initiés, le marché est plus prévisible.
Pourquoi avez-vous besoin d'une stochastique ? En fait la différence entre le MO stochastique et le momentum standard n'est pas grande, il n'y a pas de raison d'utiliser autre chose que le momentum, comme une simple fenêtre d'espérance des retours. Regardez ce qui est utilisé dans les modèles économétriques conventionnels(AR, ARMA, GARCH, ....Il n'y a que des rendements, des variations et des mélanges de rendements, c'est du momentum et ce n'est pas du point de vue de la simplicité, mais comme tout ce truc avec "un indicateur idéal" surtout dans le cadre d'un lissage qui ne serait pas en retard, on dirait des alchimistes qui essaient de faire une pierre philosophale ou un moteur éternel, ce sont des fanatiques ignorants. Mais les indicateurs ne sont pas seulement lisses, par exemple les "niveaux" peuvent être l'une des caractéristiques les plus importantes, je veux dire les niveaux que nous voyons avec nos yeux sur le graphique, où les gens placent des stops. Essayez de formaliser et de programmer ce signe et vérifiez s'il est statistiquement significatif.
La non-stationnarité ne signifie pas la non-prévisibilité, elle indique que des statistiques simples telles que l'espérance et la variance dérivent, sans même que la régularité de cette dérive soit analysée, si elles dérivent alors il s'agit de non-stationnarité. Dans le contexte de la MO, la non-stationnarité n'est pas un problème, la non-stationnarité est un problème pour les systèmes construits sur les hypothèses de constance par morceaux de l'espérance et de la variation. La MO peut utiliser l'espérance et la variation de la fenêtre comme caractéristiques, mais il s'agit d'une très petite partie des caractéristiques et les erreurs de ces caractéristiques peuvent être partiellement éliminées. Le principal problème réside dans la rapidité des réactions du marché aux nouvelles informations, qui ne sont pas déterminées par les caractéristiques disponibles. Le seul espoir repose sur les initiés et les "hérauts" diffusants connexes, lorsque certains modèles de comportement des participants apparaissent avant l'annonce de la nouvelle. C'est-à-dire qu'en raison des actions d'initiés, le marché est plus prévisible.
...
Quoi ?
La non-stationnarité ne signifie pas la non-prévisibilité, elle indique que des statistiques simples telles que l'espérance et la variance dérivent, même la régularité de cette dérive n'est pas analysée, si elles dérivent alors il s'agit de non-stationnarité. Dans le contexte de la MO, la non-stationnarité n'est pas un problème, la non-stationnarité est un problème pour les systèmes construits sur les hypothèses, la constance par morceaux de l'espérance et de la variation. La MO peut utiliser l'espérance et la variation de la fenêtre comme caractéristiques, mais c'est une très petite partie des caractéristiques et les erreurs de ces caractéristiques peuvent être partiellement éliminées. Le principal problème réside dans la rapidité des réactions du marché aux nouvelles informations, qui ne sont pas déterminées par les caractéristiques disponibles. Le seul espoir repose sur les initiés et les "hérauts" diffusants connexes, lorsque certains modèles de comportement des participants apparaissent avant l'annonce de la nouvelle. C'est-à-dire qu'en raison des actions d'initiés, le marché est plus prévisible.
1. Non-stationnarité = variance égale à l'infini. "Drift" est révolutionnaire !
2. Surligné en rouge - on a fait le plein de pop-corn et de bière. J'attends avec impatience l'émission qui prédit la fourchette de prix par les méthodes MO !
1. Non-stationnarité = dispersion égale à l'infini. "Drift" est révolutionnaire !
2. Surligné en rouge - on a fait le plein de pop-corn et de bière. J'attends avec impatience l'émission qui prédit la fourchette de prix par les méthodes MO !
Nous ne sommes pas vraiment intéressés par votre soutien aux producteurs de bière et de pop-corn ici.
Nous sommes ici intéressés par les réflexions sur l'identification des problèmes sur le marché et leur résolution. Pas en général, mais lors de la prise de position.
Ces problèmes sont au nombre de deux pour moi :
1. Instabilité dans la prédiction de la SIGNIFICATION (EVALUATION) du quotient
2. Sur-apprentissage lors de la prédiction de la direction du mouvement du kotir.
Ce faisant, le MO peut non seulement nommer le problème, mais aussi discuter de l'outil de résolution du problème, et en outre justifier l'exactitude du résultat obtenu.
Quoi ?
Qu'est-ce qu'il y a de mal à ça ?
1. Non-stationnarité = dispersion égale à l'infini. "Drift" est révolutionnaire !
2. Surligné en rouge - on a fait le plein de pop-corn et de bière. J'attends avec impatience l'émission qui prédit la fourchette de prix par les méthodes MO !