Prédiction du marché basée sur des indicateurs macroéconomiques - page 44

 
СанСаныч Фоменко:

La leçon du 4ème forum a été généralement comprise, tant mieux pour vous. C'est dommage que ça ne soit pas venu tout seul.
Je ne pensais pas que cela se terminerait par la vente banale de livres, alors il me dirait)))). Désolé)))) hilarant...
 
Vladimir: Il y a deux problèmes sérieux ici : (1) comment calculer correctement la variance de StdDev en fonction du temps, et (2) comment reconvertir la prédiction sous la forme de la série originale si la variance future est inconnue.
Tu ne peux pas. Pour plus de clarté, faites de la variance une fenêtre coulissante et visualisez...
 
СанСаныч Фоменко:

Je diviserais toutes les mathématiques économiques modernes en deux parties

  • analyser le passé
  • pour prédire l'avenir.

...

Des différences apparemment subtiles ont des conséquences très graves.

...

Les deux utilisent l'extrapolation des données en tant que telle. Si vous échangez la charrette avec le cheval, cela reste une charrette avec un cheval - une extrapolation. Peu importe que nous recherchions initialement les facteurs qui influencent un changement dans le futur, ou que nous comparions le changement qui a eu lieu avec ces facteurs - le résultat est le même, un modèle qui, selon nous, devrait prédire le futur, sur la base des données du passé.

Personnellement, je diviserais toutes les approches commerciales en deux autres groupes :

  • Modèles prédictifs ;
  • Modèles d'exploitation des propriétés spécifiques du processus.

Avec le premier groupe, tout est plus ou moins clair. Il s'agit de combinaisons infinies de prédicteurs avec des pondérations différentes pour tenter d'expliquer la variable qui est censée en dépendre - le prix. Le deuxième groupe fonctionne différemment. Elle est basée sur l'identification des propriétés spécifiques du processus, puis sur l'exploitation de ces propriétés. Par exemple, si le modèle est capable d'identifier un retour de processus fort, il trouve simplement les marchés présentant une telle caractéristique et commence à négocier "au niveau du pullback". Dans le même temps, les règles spécifiques d'identification de ce "niveau" magique ou les techniques de trading spécifiques ne sont pas très importantes. L'important est que le processus possède réellement cette caractéristique et ne la modifie pas au fil du temps. Dans le même temps, le résultat de chaque entrée particulière sur le marché n'est pas du tout important, car on n'a aucune idée des prévisions pour une certaine transaction. Ce qui est important, ce sont les statistiques finales, qui dépendent des propriétés du processus.

 
Vasiliy Sokolov:

Tant la première que la seconde utilisent l'extrapolation des données en tant que telles .

Ici, vous n'en êtes tout simplement pas conscient. Il n'y a pas d'extrapolation en tant que telle dans les modèles de classification par apprentissage automatique.

Par exemple, les forêts.

Les arbres sont construits sur un échantillon d'entraînement, généralement pour un échantillon de plus de 3000 barres, vous obtenez plus de 100 arbres - une forêt d'arbres. Chaque arbre est un modèle en termes d'AT.

A l'arrivée de la barre suivante, la combinaison de prédicteurs correspondant à cette dernière barre est recherchée parmi les arbres. Il peut s'agir du 1er arbre, du 50e ou du dernier - celui qui convient le mieux. Où est l'extrapolation ici ?

Elle repose sur l'identification des propriétés spécifiques du processus, puis sur l'exploitation de ces propriétés.

C'est une excellente idée si vous pouvez générer un échantillon de formation. Le problème, c'est l'enseignant. Sinon, avec les boutons....

 
СанСаныч Фоменко:

Ici, vous êtes tout simplement déconnecté. Il n'y a pas d'extrapolation en tant que telle dans les modèles de classification par apprentissage automatique.

Par exemple, les forêts.

Les arbres sont construits sur un échantillon d'entraînement, généralement pour un échantillon de plus de 3000 barres, vous obtenez plus de 100 arbres - une forêt d'arbres. Chaque arbre est un modèle en termes d'AT.

A l'arrivée de la barre suivante, la combinaison de prédicteurs correspondant à cette dernière barre est recherchée parmi les arbres. Il peut s'agir du 1er arbre, du 50e ou du dernier - celui qui convient le mieux. Où est l'extrapolation ici ?

Elle repose sur l'identification des propriétés spécifiques du processus, puis sur l'exploitation de ces propriétés.

C'est une excellente idée si vous pouvez générer un échantillon de formation. Le problème, c'est l'enseignant. Sinon, avec les boutons....

Pourquoi utiliser des stylos, kohonen classifie magnifiquement, les caractéristiques ont seulement besoin d'être présentéesEncore une fois à propos des cartes kohonen
 
Nikolay Demko:
Pourquoi utiliser vos mains, Kohonen classe parfaitement, il suffit de le présenterà nouveau avec les cartes Kohonen.

Je ne comprends pas l'intérêt pratique pour le commerce des méthodes de classification sans professeur. Nous traitons des choses bien précises : les positions longues et courtes, la rupture et le rebond d'un niveau...

Et ici ? Il y a l'ACP, qui reformate les prédicteurs et le nouvel ensemble présente un certain nombre de caractéristiques très intéressantes, et ici ?

 
СанСаныч Фоменко:

Je ne comprends pas l'intérêt pratique pour le commerce des méthodes de classification sans professeur. Nous traitons des choses bien précises : les positions longues et courtes, la rupture et le rebond d'un niveau...

Et ici ? Il existe une ACP, qui reformate les prédicteurs et le nouvel ensemble présente un certain nombre de caractéristiques très intéressantes, mais ici ?

Kohonen peut aussi être utilisé avec un professeur))))
 
СанСаныч Фоменко:

Je ne comprends pas l'intérêt pratique pour le commerce des méthodes de classification sans professeur. Nous traitons des choses bien précises : les positions longues et courtes, la rupture et le rebond d'un niveau...

Et ici ? Il existe une ACP, qui reformate les prédicteurs et le nouvel ensemble présente un certain nombre de caractéristiques très intéressantes, mais ici ?

Qu'est-ce que l'apprentissage sans professeur ? La sélection automatique de modèles. Avoir des modèles - nous trouvons des points d'empilement sur la carte pour "certaines choses : longs-shorts, breakout-bounce...", et ensuite nous attendons des signaux en ligne pour activer ces points.
 
Stanislav Korotky:
Qu'est-ce que l'apprentissage sans professeur ? La sélection automatique de modèles. Avoir des modèles - nous trouvons des points sur la carte où "certaines choses s'accumulent : longs-shorts, breakout-bounce...", et ensuite nous attendons des signaux en ligne pour activer ces points.

S'il n'y a pas de professeur, la signification des modèles n'est pas claire.

Qu'est-ce qu'un enseignant ?

Un morceau de quotient correspond aux longs, et ce morceau de quotient correspond aux courts. Lorsque le modèle est enseigné, les ensembles de valeurs prédicteurs sont divisés en deux classes correspondant à l'enseignant.

Et sans enseignant ? Quelle est la signification des motifs ?

 
СанСаныч Фоменко:

Et sans enseignant ? Quelle est la signification des motifs ?

clusters.