L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 464
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
GARCH
Ho la mia comprensione del forex con la pratica, e garch non risolve i problemi di cui ho bisogno.
Può sembrare che garch risolva facilmente molti problemi e dia risultati paragonabili a MO complessi usando metodi semplici. Ma i dati di input per garch sono limitati dal prezzo, e penso che questo non sia sufficiente. Quindi, se prendiamo un modello MO, gli diamo dei prezzi e confrontiamo le previsioni con quelle ottenute con garch, può sembrare che non siano inferiori. Ma se date a un modello MO molti più dati di input, otterrà un vantaggio significativo.
In generale garch e altri modelli di apprendimento automatico hanno molto in comune, lavorando con garch si è molto più vicini a MO di quanto si pensi.
In entrambi i casi (MO e garch) si prende il prezzo, si fanno con esso tutti i tipi di trasformazioni per creare predittori (indicatori per i modelli normali, e trasformazioni arima per garch), e sulla base di essi si modella il prezzo cercando di prevedere i guadagni.
Inoltre in MO c'è una validazione incrociata per assicurarsi che tutto sia a posto, mentre per garch ci sono similmente alcuni controlli statistici interni.
In generale l'approccio è molto simile in entrambi i casi (fare qualcosa con il prezzo per soddisfare tutti i requisiti del modello e prevedere il futuro), solo modi leggermente diversi di farlo.
Ma apparentemente il prezzo è troppo casuale, e i modelli trovati sono molto piccoli. Non importa quanto tempo si passi ad addestrare il modello, la sua stima sarà ancora lontana dalla perfezione, solo un paio di punti percentuali in più rispetto alla stima di un'ipotesi casuale.
A volte si può essere fortunati e queste dipendenze trovate, anche se piccole, esistono per molto tempo e portano profitto. Ma scompaiono sempre all'improvviso. Questo è il problema principale per me ora - trovare alcuni indicatori esterni, come i rapporti finanziari, che potrebbero essere utilizzati per addestrare il modello con una stima molto buona, in modo che le dipendenze trovate siano stabili e non spariscano improvvisamente.
Ho la mia comprensione del forex con la pratica, e garch non risolve i problemi di cui ho bisogno.
Si può anche scoprire che garch risolve facilmente molti problemi e con metodi semplici dà risultati paragonabili a MO complessi. Ma i dati di input per garch sono limitati dal prezzo, e penso che questo non sia sufficiente. Quindi, se prendiamo un modello MO, gli diamo dei prezzi e confrontiamo le previsioni con quelle ottenute con garch, può sembrare che non siano inferiori. Ma se date a un modello MO molti più dati di input, otterrà un vantaggio significativo.
In generale garch e altri modelli di apprendimento automatico hanno molto in comune, lavorando con garch si è molto più vicini a MO di quanto si pensi.
In entrambi i casi (MO e garch) si prende il prezzo, si fanno con esso tutti i tipi di trasformazioni per creare predittori (indicatori per i modelli normali, e trasformazioni arima per garch), e sulla base di essi si modella il prezzo cercando di prevedere i guadagni.
Inoltre in MO c'è una validazione incrociata per assicurarsi che tutto sia a posto, mentre per garch ci sono similmente alcuni controlli statistici interni.
In generale l'approccio è molto simile in entrambi i casi (fare qualcosa con il prezzo per soddisfare tutti i requisiti del modello e prevedere il futuro), solo modi leggermente diversi di farlo.
Ma apparentemente il prezzo è troppo casuale, e i modelli trovati sono molto piccoli. Non importa quanto tempo si passi ad addestrare il modello, la sua stima sarà ancora lontana dalla perfezione, solo un paio di punti percentuali in più rispetto alla stima di un'ipotesi casuale.
A volte si può essere fortunati e queste dipendenze trovate, anche se piccole, esistono per molto tempo e portano profitto. Ma scompaiono sempre all'improvviso. Questo è il problema principale ora. Trovare alcuni indicatori esterni, come i rapporti finanziari, che possono aiutarmi a insegnare il modello con una stima molto buona per rendere le dipendenze trovate stabili e non scomparire inaspettatamente.
Con la pratica mi formo la mia comprensione del Forex, e garch non risolve i problemi di cui ho bisogno.
Può sembrare che garch risolva facilmente molti problemi e dia risultati paragonabili a MO complessi usando metodi semplici. Ma i dati di input per garch sono limitati dal prezzo, e penso che questo non sia sufficiente. Quindi, se prendiamo un modello MO, gli diamo dei prezzi e confrontiamo le previsioni con quelle ottenute con garch, può sembrare che non siano inferiori. Ma se date a un modello MO molti più dati di input, otterrà un vantaggio significativo.
In generale garch e altri modelli di apprendimento automatico hanno molto in comune, lavorando con garch si è molto più vicini a MO di quanto si pensi.
In entrambi i casi (MO e garch) si prende il prezzo, si fanno con esso tutti i tipi di trasformazioni per creare predittori (indicatori per i modelli normali, e trasformazioni arima per garch), e sulla base di essi si modella il prezzo cercando di prevedere i guadagni.
Inoltre in MO c'è una validazione incrociata per assicurarsi che tutto sia a posto, mentre per garch ci sono similmente alcuni controlli statistici interni.
In generale l'approccio è molto simile in entrambi i casi (fare qualcosa con il prezzo per soddisfare tutti i requisiti del modello e prevedere il futuro), solo modi leggermente diversi di farlo.
Ma apparentemente il prezzo è troppo casuale, e i modelli trovati sono molto piccoli. Non importa quanto tempo si passi ad addestrare il modello, la sua stima sarà ancora lontana dalla perfezione, solo un paio di punti percentuali in più rispetto alla stima di un'ipotesi casuale.
A volte si può essere fortunati e queste dipendenze trovate, anche se piccole, esistono per molto tempo e portano profitto. Ma scompaiono sempre all'improvviso. Questo è il problema principale ora: trovare alcuni indicatori esterni, come i rapporti finanziari, che possano aiutarmi a insegnare il modello con una stima molto buona per rendere le dipendenze trovate stabili e non scomparire inaspettatamente.
Gli input nei mercati finanziari sono sempre modellati da persone che hanno i loro interessi, e diversi in momenti diversi nelle stesse condizioni.
Questo è particolarmente evidente nella TF a H1. Otteniamo un processo casuale non stazionario formato dai desideri di gruppi relativamente piccoli di individui.
Sopra D1, la legge dei grandi numeri comincia a lavorare e anche la direzione del movimento è modellata dagli investimenti dello stato, delle grandi corporazioni e della politica.
Sui piccoli TF non ha senso cercare schemi - non ce ne sono. Quello che si è formato e che abbiamo definito come un modello è in realtà dei cerchi sull'acqua: erano e non sono. Possiamo cogliere l'inizio di un'onda, abbatterla e aspettare il prossimo verificarsi di un'onda simile, e potrebbe non accadere affatto.
Su grandi TF si deve considerare un gran numero di fattori, perché inizialmente non c'è chiarezza sulla loro influenza sulla variabile obiettivo. Ma il punto fondamentale è che la fonte del movimento non è un processo casuale, ma un processo deterministico, prodotto da tempo, mantenuto intenzionalmente fino al compimento. Possiamo non capire/sapere, ma si può tentare di pescare questi movimenti con MO sotto forma di modelli che non sono eterni, ma la cui vita può durare anni.
Ne consegue che MO e GARCH sono strumenti complementari e devono essere combinati in un sistema di trading.
Gli input nei mercati finanziari sono sempre modellati da persone che hanno i loro interessi, e diversi in momenti diversi nelle stesse condizioni.
Questo è particolarmente evidente nella TF a H1. Otteniamo un processo casuale non stazionario formato dai desideri di gruppi relativamente piccoli di individui.
Sopra D1, la legge dei grandi numeri comincia a funzionare e anche la direzione del movimento è modellata dagli investimenti dello stato, delle grandi corporazioni e della politica.
Sui piccoli TF non ha senso cercare schemi - non ce ne sono. Quello che si è formato e che abbiamo definito come un modello è in realtà dei cerchi sull'acqua: erano e non sono. Possiamo cogliere l'inizio di un'onda, abbatterla e aspettare il prossimo verificarsi di un'onda simile, e potrebbe non accadere affatto.
Su grandi TF si deve considerare un gran numero di fattori, perché inizialmente non c'è chiarezza sulla loro influenza sulla variabile obiettivo. Ma il punto fondamentale è che la fonte del movimento non è un processo casuale, ma deterministico, prodotto a lungo, mantenuto intenzionalmente fino al compimento. Possiamo non capire/sapere, ma questi movimenti possono essere tentati dal MO sotto forma di modelli, che non sono eterni, ma la cui vita può durare anni.
Ne consegue che MO e GARCH sono strumenti complementari e devono essere fusi in un unico sistema di trading.
Sono stanco di scrivere che non c'è differenza su quale timeframe prendere, i rischi sono gli stessi ovunque, non c'è differenza se non nello spread e nella commissione per lo scalping, ma questo è un altro tipo di fattore negativo. Qualsiasi serie temporale è descritta solo da poche variabili, forse anche da 2, come la persistenza (heurst) e la volatilità (dimensione frattale) e, diciamo, la durata di questi cicli non periodici che dovrebbero essere separati, tutto. Da questo è possibile costruire modelli semplici e affidabili con MO o con qualcos'altro. Da questo segue che non è mai possibile costruire un modello funzionante in modo continuo perché le quotazioni sono casuali e i cicli non periodici si formano spontaneamente, quindi i momenti di transizione da un ciclo all'altro non sono prevedibili nelle stesse condizioni e bisogna cambiare la scala di rappresentazione per vedere questi cicli come componenti di uno più grande. Credo che questa comprensione sia la base senza la quale è impossibile pensare al mercato come un sistema probabilistico nel modo giusto. All'interno di cicli non periodici anche i modelli semplici funzionano bene, le cose si romperanno sempre quando i cicli cambiano. Di ciclo in ciclo il mercato è sempre nuovo e diverso. E cosa c'entra la TF?
Dove prendete tutta questa merda profonda sul fatto che i piccoli TF sono dominati dai desideri di piccoli gruppi di persone, mentre in quelli grandi tutto è determinato. Non è mai stato così ed è un dito nel cielo, i mercati sono un meccanismo diverso dove tutto è interconnesso con tutto, da qui l'invarianza di scala di tutti i TF (orizzonti di investimento).
Se vogliamo parlare di determinismo, è la dipendenza di tutti i tempi l'uno dall'altro, perché la citazione è la stessa, cambiamo solo la scala dell'evento, è come muoversi lungo un frattale da uno inferiore a uno superiore e viceversa.
Gli input nei mercati finanziari sono sempre modellati da persone che hanno i loro interessi, e diversi in momenti diversi nelle stesse condizioni.
Questo è particolarmente evidente nella TF a H1. Otteniamo un processo casuale non stazionario formato dai desideri di gruppi relativamente piccoli di individui.
Sopra D1, la legge dei grandi numeri comincia a funzionare e anche la direzione del movimento è modellata dagli investimenti dello stato, delle grandi corporazioni e della politica.
Sui piccoli TF non ha senso cercare schemi - non ce ne sono. Quello che si è formato e che abbiamo definito come un modello è in realtà dei cerchi sull'acqua: erano e non sono. Possiamo cogliere l'inizio di un'onda, abbatterla e aspettare il prossimo verificarsi di un'onda simile, e potrebbe non accadere affatto.
Su grandi TF si deve considerare un gran numero di fattori, perché inizialmente non c'è chiarezza sulla loro influenza sulla variabile obiettivo. Ma il punto fondamentale è che la fonte del movimento non è un processo casuale, ma deterministico, prodotto a lungo, mantenuto intenzionalmente fino al compimento. Possiamo non capire/sapere, ma questi movimenti possono essere tentati dal MO sotto forma di modelli, che non sono eterni, ma la cui vita può durare anni.
Ne consegue che MO e GARCH sono strumenti complementari e devono essere combinati in un sistema di trading.
Su qualsiasi TF è un processo casuale non stazionario. Ha una componente deterministica non stazionaria e una componente casuale non stazionaria, anche su qualsiasi TF.
Usare i propri "desideri" e altre sciocchezze come spiegazione della casualità e della non stazionarietà è una sciocchezza.
Tutte le informazioni sul processo sono nel processo stesso (nel grafico-storia, "il prezzo che rende conto di tutto"). La sfida è quella di estrarre le giuste informazioni dal processo, che potrebbero essere utilizzate per i propri scopi. Il compito è difficile, ma risolvibile.
L'economia di qualsiasi paese è la produzione di beni e servizi, che è un processo molto deterministico e altamente inerziale. Si possono trovare esempi in cui tali processi sono stati perfettamente stabili per decenni. Un cambiamento dell'uno per cento nel prodotto lordo di qualsiasi paese in un anno è un successo o un disastro. Un calo del 10% della produzione di un paese può causare un'esplosione sociale.
Quello a cui stiamo assistendo è una spuma su questo processo deterministico. Oggi, questa schiuma si stacca sempre più dall'economia reale, ma a livello macroeconomico, a livello di indicatori economici naturali trimestrali, di cui esistono decine di migliaia, tutto rimane uguale.
http://my-files.ru/9iyzd6
Da qualche parte nel forum c'era un argomento in cui qualcuno ha usato dati simili e ha predetto qualche indice una volta in un paio di mesi.
Ho trovato questo.https://www.mql5.com/ru/forum/40739(anche FRED). Argomento interessante, forse un giorno proverò a prevedere l'eurusd su timeframe mensile usando questi dati.
Attenzione, gli indicatori possono essere rivisti (ridisegnati).
L'economia di qualsiasi paese è la produzione di beni e servizi, che è un processo molto deterministico e altamente inerziale. Si possono trovare esempi in cui tali processi sono stati perfettamente stabili per decenni. Un cambiamento dell'uno per cento nel prodotto lordo di qualsiasi paese in un anno è un successo o un disastro. Un calo del 10% della produzione di un paese può causare un'esplosione sociale.
Quello a cui stiamo assistendo è una spuma su questo processo deterministico. Oggi questa spuma si stacca sempre più dall'economia reale, ma a livello macroeconomico, a livello di indicatori economici naturali trimestrali, di cui esistono decine di migliaia, tutto rimane uguale.
Di nuovo con la tua retorica infondata: "molto deterministico", "estremamente inerziale"... Dici "spumeggiante" e "tutto rimane uguale"? È come se tu avessi dipinto un quadro nella tua testa e lo stessi descrivendo senza preoccuparti di quanto sia fuori dalla realtà.
Lei è una specie di "econometrico" e dovrebbe essere in grado di capire... ma no.
Prova a leggere un articolo di Sergey Glazyev. Sarà utile per capire la situazione.
La mia opinione attuale è quella di commerciare le deviazioni piuttosto che le tendenze, a causa dell'incertezza di queste tendenze nel prossimo futuro.
Per commerciare le deviazioni c'è un dispositivo chiamato GARCH, che è ampiamente utilizzato nei mercati finanziari, a partire dal trading ad alta frequenza. Il limite del sogno è fino a 100 pips. Così, sui TF fino a H1 prendiamo 15-20 pips e aspettiamo il prossimo segnale. Meno tempo passa sul mercato, migliore è l'Expert Advisor.