L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 741

 
Mihail Marchukajtes:

È solo che le tue domande sono ad un livello da principiante.....

Alla faccia dell'incazzatura. Intendo me... Moose, il primo in due settimane... Ma non mi scoraggio e continuo a lavorare sul TS.

Naturalmente, non ho esperienza, quindi sono curioso di chiedere ciò che non capisco.

 
Aleksey Vyazmikin:

Naturalmente, non ho esperienza, ed è per questo che sono interessato a chiedere ciò che non capisco.

Cercate di capire la tecnologia delle reti neurali e l'apprendimento automatico per conto vostro. Poi parleremo ...

 
Mihail Marchukajtes:

Cercate di capire la tecnologia delle reti neurali e l'apprendimento automatico per conto vostro. Poi parleremo...

Avrei bisogno di un maestro e mentore in questa materia...

 
Non lo so:

Poiché la variazione è piccola, se su 30 osservazioni lern e 30 test si ottiene una precisione del 90% allora si può rischiare se non c'è scelta, ma il mercato a >95% è rumore, quindi si ha bisogno di migliaia di volte più punti per ottenere una previsione almeno comparabile in modulo all'errore.


PS: il teorema del limite centrale è la base della statistica e della sua progenie MO, è come F = ma in meccanica, sei così irrispettoso nei suoi confronti...

Dove hai visto questa esecuzione del teorema del limite su variabili casuali non stazionarie?

 

Non riesci a trovare un lavoro? Moltiplicate il vostro tempo per il vostro potere!
(Una raccolta di consigli universali).


;)))))

 
Non sono sicuro:

Ecco un'altra eresia sul "problema della non stazionarietà"...

Il rendimento è stazionario e quasi gaussiano quando viene raddrizzato dalla volatilità, e questo è tutto ciò che serve, il prezzo stesso che non è stazionario non è coinvolto nei calcoli.

Studia GARCH e non postare qui un'altra eresia sul "problema della non stazionarietà"... per i ritorni. Ci sono centinaia di modelli GARCH che cercano di rendere conto delle sfumature della non stazionarietà dei rendimenti, anche se tutte queste persone non hanno questo aplomb.

 
SanSanych Fomenko:

...

Perché?

Perché quando un farmaco viene creato teoricamente, si spende un grande sforzo per giustificare l'effetto del farmaco sulla malattia.

L'unica cosa che ci rende diversi è che mettiamo tutto insieme. Guardate questo thread: 99% sui perseptron e quasi nulla sul data mining.

E dove avete visto i produttori di droga qui? Solo i consumatori, hai smesso di prendere foreste casuali, ora bevi arcch garch - pazienti, però...

 

Ho cercato di studiarlo, ho anche ricominciato più volte. Ma ogni volta mi sono imbattuto in un muro di termini statistici ed econometrici insormontabili e non ci sono mai riuscito.

Ma ho capito comunque qualcosa di importante. Arima e Garch passano molto tempo a modellare gli stati interni di una serie temporale, da cui viene poi derivato il prezzo. Cioè, ci sono decine di processi globali in corso nel mondo, e il prezzo è una qualche combinazione di essi. Quindi, invece di modellare la serie temporale stessa, è meglio cercare di modellare questi processi nascosti, e modellare l'interazione di questi processi per ottenere la serie temporale di cui abbiamo bisogno.

Garch e Arim hanno alcune idee incorporate su questi processi nascosti (stagionalità, tendenza, ecc.), ma si limitano a formule messe in questi modelli decenni fa. Possiamo provare a creare i nostri indicatori che descrivono queste condizioni interne del mercato, e ci sono meno limitazioni che in garch. Ma è anche facile fare un errore, è anche un compito molto complesso.

 
Il prezzo non è stazionario:


Il rendimento è stazionario e quasi gaussiano quando viene raddrizzato dalla volatilità, che è tutto ciò che serve, il prezzo stesso che non è stazionario non partecipa ai calcoli.

Si raddrizza la volatilità sullo storico o all'arrivo di un nuovo tick? È chiaro che spostando, per esempio, un muv di mezzo periodo indietro e sottraendolo alle quotazioni di base si può ottenere quasi una gaussiana nel residuo. Ma per sapere cosa sta succedendo con la volatilità nel posto più interessante - il bordo destro, dovremmo conoscere la metà futura del periodo muv. Dove possiamo trovarli?


 
Ildottor Trader:

Ho cercato di studiarlo, ho anche ricominciato più volte. Ma ogni volta mi sono imbattuto in un muro di termini statistici ed econometrici insormontabili e non ci sono mai riuscito.

Ma ho capito comunque qualcosa di importante. Arima e Garch passano molto tempo a modellare gli stati interni di una serie temporale, da cui poi si ricava il prezzo. Cioè, ci sono decine di processi globali in corso nel mondo, e il prezzo è una qualche combinazione di essi. Quindi, invece di modellare la serie temporale stessa, è meglio cercare di modellare questi processi nascosti, e modellare l'interazione di questi processi per ottenere la serie temporale di cui abbiamo bisogno.

Garch e Arim hanno alcune idee incorporate su questi processi nascosti (stagionalità, tendenza, ecc.), ma si limitano a formule messe in questi modelli decenni fa. Possiamo provare a creare i nostri indicatori che descrivono queste condizioni interne del mercato, e ci sono meno limitazioni che in garch. Ma è anche facile sbagliare, è un compito molto difficile.

GARCH e MO non sono concorrenti, si completano completamente a vicenda, che è quello che sto facendo ora: cercare di combinare il vecchio MO - trend e aggiungere GARCH per determinare il punto di ingresso. Ho scritto in precedenza che ho un EA che mi ha dato la quantità di denaro necessaria in un anno di trading. Era composto da maghi RF e adattativi (jurik raffinati). Ma questo accoppiamento non ha risolto i problemi di non stazionarietà.

Globalmente distinguo due tipi di modelli:

  • Uno che prende in considerazione le caratteristiche statistiche della serie temporale - questo è GARCH, un trend estremamente sviluppato, essenzialmente una linea generale insieme alla cointegrazione. Un numero enorme di pubblicazioni. Per esempio, come caratteristica del livello delle pubblicazioni. Diversi modelli GARCH sono studiati su tutti i titoli dell'indice S&P 500, cioè 500 titoli. Non sono a conoscenza di qualcosa di simile in MO.
  • Classificazioni che, come la vecchia TA, cercano meccanicamente dei modelli.

Tutti in questo thread si aggrappano a MO per qualche motivo. Su quale base? La base della classificazione è un qualche tipo di relazione tra la variabile obiettivo e i suoi predittori.

Beh, in primo luogo, qualsiasi speculazione sulla relazione è immediatamente respinta qui, come è successo con informazioni reciproche

In secondo luogo, chi ha dimostrato che se c'è una tale influenza dei predittori sulla variabile obiettivo, questa influenza non cambierà nel tempo? Ho già scritto molte volte sulla base di un vero Expert Advisor di trading che su 27 predittori trovati in precedenza vengono selezionati su ogni barra e ne rimangono da 5 a 15, e questa lista cambia costantemente all'interno dei 27 predittori. Cioè la quantità di influenza dei predittori sulla variabile obiettivo cambia nel tempo e piuttosto rapidamente.


Quindi l'idea dell'Expert Advisor è la seguente:

  • prevedere la direzione futura del prezzo sulla barra alta usando la classificazione
  • poi utilizzare una serie temporale pseudo-stazionaria per prevedere la direzione di entrata appropriata utilizzando GARCH