L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 138

 
mytarmailS:
Grazie, non l'avrei capito.

Sarebbe molto interessante vedere il risultato.

Io lo facevo, ho anche il codice da qualche parte.

1. Il codice dato non è sufficiente per prendere decisioni. Avete bisogno di soglie e di soglie fluttuanti.

2. Si possono ottenere sistemi molto redditizi con un fattore di profitto fino a 10.

MA.

Il fattore di profitto è inferiore a 5 pip. La contabilità sparsa uccide tutta la bellezza. E oltre allo spread, ci sono anche i regali

 
SanSanych Fomenko:

Sarebbe molto interessante vedere il risultato.

Il tema dell'arbitraggio è fuori tema qui, ma darò una breve risposta se ti interessa...

Avevo già un arbitraggio funzionante, volevo migliorarlo filtrando i segnali in ingresso in modo così complicato - in una finestra scorrevole contiamo la forza di cointegrazione (vicinanza di due BP) e solo quando i BP sono fortemente cointegrati tra loro iniziamo l'arbitraggio...

il risultato di tale filtraggio è ambiguo, non posso classificarlo come buono o cattivo

quando si utilizza la prima variante, durante i test il sistema ha prodotto in media - 7% di profitto al mese con un fattore di recupero del 3

filtrato, il sistema ha avuto una media del 5,7% al mese e 5,5 PV

quindi guadagna meno ma è più stabile...

link interessanti con esempi su "R" in russo:

sulla differenza di correlazione con la cointegrazione

http://www.algorithmist.ru/2011/08/time-series-similarity-measures.html

http://www.algorithmist.ru/2011/09/time-series-test-for-cointegration.html

sull'accoppiamento e l'arbitraggio

http://rforfinance.ru/pairs-trade/

http://rforfinance.ru/rolling-window/

Сравнение временных рядов
Сравнение временных рядов
  • 2011.08.29
  • SergE
  • www.algorithmist.ru
Огромное количество данных в data mining вообще и в финансах в частности приходит к нам в виде временных рядов. Это не удивительно, ведь очень часто нас интересуют какие-то события или показатели изменяющиеся во времени. При этом, огромный пласт классической математики веками создавался для работы с множествами чисел. В результате, одним из...
 
mytarmailS:

Il tema dell'arbitraggio è off-topic qui, ma ti risponderò brevemente se ti interessa...

Avevo già un arbitraggio funzionante, volevo migliorarlo filtrando i segnali in ingresso in un modo così complicato - in una finestra scorrevole contiamo la forza di cointegrazione (vicinanza di due BP) e solo quando i BP sono fortemente cointegrati iniziamo l'arbitraggio...

il risultato di tale filtraggio è ambiguo, non posso classificarlo come buono o cattivo

quando si utilizza la prima variante, durante i test il sistema ha prodotto in media - 7% di profitto al mese con un fattore di recupero del 3

filtrato, il sistema ha avuto una media del 5,7% al mese e 5,5 PV

quindi guadagna meno ma è più stabile...

link interessanti con esempi su "R" in russo:

sulla differenza di correlazione con la cointegrazione

http://www.algorithmist.ru/2011/08/time-series-similarity-measures.html

http://www.algorithmist.ru/2011/09/time-series-test-for-cointegration.html

sull'accoppiamento e l'arbitraggio

http://rforfinance.ru/pairs-trade/

http://rforfinance.ru/rolling-window/

Grazie. Il primo link ha fatto sorridere la descrizione. Due alconoft in arrivo.
 
Alexey Burnakov:
Grazie. La descrizione al primo link è esilarante. Due alconoft in arrivo.

:)

 
Alexey Burnakov:


A proposito, il signor Perervenko non ha detto nulla su questo tipo di rete nel suo articolo sulle reti neurali. Beh, ho trovato solo una menzione in tutto l'articolo. E si potrebbe rivelare la questione dell'applicabilità alle serie temporali (ponderatamente).

Alexei

Ci sarà un articolo separato (o due) sulle reti neurali ricorsive (RNN, CNN e LSTM). Esempi usando mxnetR e forse mxnet(Python).

A proposito, c'è un pacchetto mxnet nel repository CRAN. Vero bisogno di fare un po' di ginnastica per aggiungere da GitHub gli ottimizzatori (RMSProp, Adam, AdaGrad e AdaDelta). Sto testando queste caratteristiche ora.

Buona fortuna

 
Vladimir Perervenko:

OK, sarà interessante da leggere.

La CNN non è una rete ricorrente di per sé.

install.packages("drat", repos="https://cran.rstudio.com")
drat::: addRepo("dmlc")
install.packages("mxnet")
 

Una domanda è sorta in seguito alla lettura di questo articolo:

Perché siamo tutti, me compreso, bloccati con predittori derivati da una singola coppia di valute? Ci sono molte coppie di valute, e le coppie non valutarie sono una dozzina...

 
SanSanych Fomenko:

Influenzato dall'articolo che ho letto, è sorta una domanda:

Perché siamo tutti, me compreso, bloccati con predittori derivati da una singola coppia di valute? Ci sono molte coppie di valute, e le coppie non valutarie sono una dozzina...

Cosa le fa pensare che "noi tutti"? :)
 

Per me è tutta una questione di rischio - cerco di correre almeno un piccolo rischio. Si può creare un Expert Advisor che fa trading con successo su decine di coppie per molti anni, ma per cosa? Il profitto sarà probabilmente un paio di percento all'anno, tanto vale depositare i soldi in banca senza rischi.
Se prendete solo una coppia e insegnate al modello a commerciare bene su di essa per un anno, potete aspettarvi un profitto del 10% al mese, che è meglio.
Se si insegna il modello per soli 2 mesi di dati - probabilmente funzionerà con successo per una settimana, ma porterà questi 10% in un periodo ancora più breve.

Più stretto è il set di dati (in termini di tempo e numero di coppie) che un modello deve imparare - più redditizio sarà sui nuovi dati. Ma diventerà obsoleto e non sarà più redditizio molto prima. E quindi è molto più rischioso - qualche notizia può anche rompere l'intero modello e dovrete cercare nuovi predittori e parametri del modello da capo.

 
E per me, se non si può dire in quale gamma sarà il vostro commercio in futuro, è solo indovinare dai fondi di caffè. Dovete sapere in anticipo dove sarete all'incirca e questa conoscenza deve essere oggettiva.