L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 83
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Qualsiasi cosa,dalla navigazione visiva dei grafici e la ricerca di schemi nella ripartizioneall' addestramento delle reti neurali, non è altro che trading tramite statistiche, le stesse statistiche che non funzionano sul mercato, sai di cosa sto parlando?
il mercato si muove contro gli scambi della folla ----- la folla agisce sulla base di statistiche ------ tutto ciò che serve è prevedere l'azione della folla in futuro e fare il contrario, l'unico modo per prevedere è la statistica
Se per statistica intendiamo strumenti che funzionano SOLO su processi casuali stazionari, allora tale statistica non funziona, perché i mercati finanziari sono processi non stazionari, sui quali i tanto amati concetti di "media", "correlazione" e così via non hanno senso.
L'apprendimento automatico, d'altra parte, non è solitamente classificato come statistica, ma come intelligenza artificiale.
Perquanto riguarda l'idea diMihail Marchukajtes l'ho anche elaborata qualche giorno prima che apparisse in questo thread, forse qualcuno sarà interessato al risultato, penso che questo approccio sia anche corretto e persino fattibileHo notato alcuni pattern tecnici da molto tempo, che di tanto in tanto funzionano, il pattern è di pura vendita (ma lascio che la rete compri solo per divertimento), l'ho prescritto e quando il prezzo arriva a qualche punto "X" nel pattern lascio che la rete faccia un acquisto/vendita/riposo, la rete non analizza tutte le quotazioni costantemente, ma solo quando qualche condizione è soddisfatta la rete lo farà..
L'obiettivo era di tre classi, cioè quando il punto "X" è raggiunto, allora lo stop loss mentale e il take profit sono impostati per comprare e vendere:
comprare - se viene preso un takeaway di acquisto e lo stop non è stato abbattuto
Vendere - se si prende il punto di vendita e lo stop loss non è stato preso
resto - se si prende uno stop loss sia in acquisto che in vendita e nessuno dei due takeout è stato colpito
la ripresa era 2 o 3 volte la fermata, non ricordo esattamente, credo che fosse 3 volte
Nonostante il fatto che la rete in realtà ha scambiato molto peggio della convalida, (sulla convalida il kol. di risposte corrette era del 63% e nel commercio reale circa il 20%) ma comunque l'algoritmo era redditizio
ma il più delle volte
il modello è corto di per sé e quindi l'acquisto qui non è caratterizzato da precisione e redditività
E se programmassimo 10 di questi schemi invece di uno? interessante? ;)
Se per statistica intendiamo strumenti che lavorano SOLO su processi casuali stazionari, allora tale statistica non funziona, perché i mercati finanziari sono processi non stazionari dove i tanto amati concetti di "media", "correlazione" e così via non hanno senso.
L'apprendimento automatico, d'altra parte, non è solitamente classificato come statistica, ma come intelligenza artificiale.
Tutto ciò che è usato dalla grande maggioranza, se ho capito bene l'osservazione, rientrerebbe nella statistica.
E aggiungo un po' di più alla gara:
Tu scrivi di non stazionarietà e mercati, apprendimento automatico, ma sai che ci sono strumenti generalmente accettati per prevedere processi non stazionari e non ce ne sono molti, questi sono "MGUA" , modelli di Markov nascosti e reti neurali ricorrenti (può essere sbagliato sulla rete, può essere solo per BP)
Le reti neurali, i previsori di tutti i colori, ecc. NON sono progettati per dati non stazionari, perché tutti noi, me compreso, usiamo strumenti non per il loro scopo? Domanda)
Il 100% per un albero è un'assurdità assoluta!
Se tutti i vostri predittori sono rumore, questo risultato è molto difficile da raggiungere: ci sarà ancora un errore del 3%-5%. Il rumore dà sempre ottimi risultati con tutte le convalide incrociate e altri trucchi.
Una precisione del 100% significa solo una cosa: tra i predittori avete un duplicato della variabile obiettivo (qualche modifica di essa). Cioè, il modello guarda al futuro.
Ricordo l'esempio sui vostri dati da ALL_cod.RData, dataset TF1 o qualcosa del genere, con la prima foresta variabile obiettivo anche con un piccolo numero di alberi ha dato quasi il 100% di risultato. E aumentando il numero di alberi nella foresta, la precisione è cresciuta fino al 100% assoluto. Una foresta può memorizzare ogni singolo esempio di allenamento, se i suoi parametri sono abbastanza grandi per questo.
In mytarmailS è viceversa, la foresta con un piccolo numero di parametri dà buoni risultati, ma con l'aumentare del numero di alberi la precisione diminuisce. Non usa la validazione incrociata, quindi stiamo parlando dei dati di allenamento stessi. Non funziona così. L'accuratezza di una foresta sui dati di addestramento diminuisce solo quando i suoi parametri diminuiscono, non viceversa. È possibile?
Con mytarmailS è il contrario, una foresta con un piccolo numero di parametri dà buoni risultati, ma con più alberi la precisione scende.
Una campana pesante
E sul bordo di esso
Una farfalla che sonnecchia. ( hoku giapponese.)
Guardando il ramo dall'auditorium, non riesco a capire se ne ho bisogno.
Da un lato, c'è l'apprendimento automatico, l'intelligenza artificiale, le reti neurali; dall'altro, per come la vedo io, la questione principale è come identificare e combinare precedenti (regolarità) e predittori (prognostici). D'altra parte, il mercato è una sostanza, il numero di fattori è infinito, quindi è possibile dividerli in maggiori e minori?
Alcune istantanee. 2011г. Giappone. Fukushima. Lo tsunami ha causato un incidente in una centrale nucleare. Non importa cosa ha causato lo tsunami - un terremoto o un battito d'ali di una farfalla secondo la teoria del caos. La cosa importante è che non si può prevedere e conoscere l'impatto sul mercato. Sembrerebbe che l'incidente, l'evacuazione, le radiazioni e ora via dall'isola. Ma no. L'incidente è avvenuto l'11 marzo, e il 16 marzo l'indice Nikkei ha mostrato una crescita senza precedenti. Si è scoperto che i giapponesi non sono saltati come topi da una nave che affonda, ma al contrario hanno iniziato a restituire i capitali al loro paese per aiutare la ricostruzione.
Un anno fa. Germania. Wolfsburg. La fabbrica "WV" e la città è stata costruita per ordine di Hitler per creare l'auto del popolo tedesco. Qui, il programmatore ha agito come una farfalla, avendo programmato l'assenza di emissioni pericolose di motori diesel solo durante le prove al banco. Scandalo. Le azioni di WV sono in calo. Il DAX è in frantumi.
I nostri giorni. Di nuovo il Giappone. Le azioni Nintendo salgono alle stelle. La capitalizzazione supera per esempio le esportazioni di armi degli Stati Uniti. Chi avrebbe mai pensato che qualcosa come "Pocemon Go" sarebbe diventato così popolare?
Questo thread discute di sistemi basati su dati settimanali, mensili e anche annuali. Sta cercando un qualche tipo di segnale forex stabile e importante. Lo trovo perplesso. Durante il giorno alcune farfalle, statistiche, dichiarazioni possono "riqualificare" il mercato al minimo capriccio. Costruire un sistema stabile che funzioni almeno una settimana è probabile quanto assemblare Boeing con dettagli trovati in un cassonetto.
Campana pesante
Ricordo un esempio sui tuoi dati da ALL_cod.RData, dataset TF1 o qualcosa del genere, con la prima variabile target la foresta anche con un piccolo numero di alberi ha dato quasi il 100% di risultato. E aumentando il numero di alberi nella foresta, la precisione è cresciuta fino al 100% assoluto. La foresta può memorizzare ogni singolo esempio di allenamento, se i suoi parametri sono abbastanza grandi per questo.
In mytarmailS è viceversa, la foresta con un piccolo numero di parametri dà un buon risultato, ma con l'aumentare del numero di alberi la precisione diminuisce. Non usa la validazione incrociata, quindi stiamo parlando dei dati di allenamento stessi. Non funziona così. L'accuratezza di una foresta sui dati di addestramento diminuisce solo quando i suoi parametri diminuiscono, non viceversa. È possibile?
Qual è il senso del post? Non lo capisco.
Una campana pesante
E sul bordo di esso
Una farfalla che sonnecchia. ( hoku giapponese.)
Sto guardando il ramo dall'auditorium e non riesco a decidere se ne ho bisogno.
Da un lato, c'è l'apprendimento automatico, l'intelligenza artificiale, le reti neurali; dall'altro, per come la vedo io, la questione principale è come identificare e combinare precedenti (regolarità) e predittori (prognostici). D'altra parte, il mercato è una sostanza, il numero di fattori è infinito, quindi è possibile dividerli in maggiori e minori?
Alcune istantanee. 2011г. Giappone. Fukushima. Lo tsunami ha causato un incidente in una centrale nucleare. Non importa cosa ha causato lo tsunami - un terremoto o un battito d'ali di una farfalla secondo la teoria del caos. La cosa importante è che non si può prevedere e conoscere l'impatto sul mercato. Sembrerebbe che l'incidente, l'evacuazione, le radiazioni e ora via dall'isola. Ma no. L'incidente è avvenuto l'11 marzo, e il 16 marzo l'indice Nikkei mostra una crescita senza precedenti. Si è scoperto che i giapponesi non sono scappati come topi da una nave che affonda, ma al contrario, hanno iniziato a restituire il capitale al loro paese per aiutare la ricostruzione.
Un anno fa. Germania. Wolfsburg. La fabbrica "WV" e la città è stata costruita per ordine di Hitler per la creazione dell'auto del popolo tedesco. Qui, il programmatore ha agito come una farfalla, avendo programmato l'assenza di emissioni nocive di motori diesel solo durante i test al banco di prova. Scandalo. Le azioni di WV sono in calo. Il DAX è in frantumi.
I nostri giorni. Di nuovo il Giappone. Le azioni Nintendo salgono alle stelle. La capitalizzazione supera per esempio le esportazioni di armi degli Stati Uniti. Chi avrebbe mai pensato che qualcosa come "Pocemon Go" sarebbe diventato così popolare?
Questo thread discute di sistemi basati su dati settimanali, mensili e anche annuali. Sta cercando un qualche tipo di segnale forex stabile e importante. Lo trovo perplesso. Durante il giorno alcune farfalle, statistiche, dichiarazioni possono "riqualificare" il mercato al minimo capriccio. Costruire un sistema stabile che funzioni almeno una settimana, è probabile quanto assemblare Boeing da parti trovate in un cassonetto.
La tua mancanza di comprensione è fondamentale per l'argomento.
1. Tutto quello che scrivi è assolutamente corretto per le previsioni come le estrapolazioni che, a loro volta, funzionano per le serie temporali stazionarie. Lei dà esempi di vita reale che parlano della non stazionarietà delle serie finanziarie e qui ha assolutamente ragione. Inoltre, le notizie non sono l'unica causa di non stazionarietà.
2. La discussione qui riguarda le previsioni basate su una classificazione che non tiene conto dello stato precedente nella previsione della barra successiva. Le predizioni (previsioni) basate sulla classificazione sono previsioni basate su modelli. Se c'è stata una notizia nel passato che ha causato dei cambiamenti, che NON sono derivati dai valori precedenti (non estrapolati), allora la classificazione rileverà tale cambiamento come tale e se c'è un cambiamento simile nel futuro (non esattamente lo stesso, ma simile), sarà riconosciuto e sarà fatta una previsione corretta.
Quindi, quando si classifica il pokemon non fa paura.