L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2259
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
Maxim, hai provato la macchina di Turing Neurale? In quale quadro e quali sono stati i tuoi successi?
Buon anno e che tutti i tuoi desideri si avverino!
Ciao, felice anno nuovo. No. Sono più interessato ai modelli generativi ora, sono più vicini a Turing, se non puoi distinguere la serie artificiale da quella reale. In realtà, la soluzione giusta per applicare il MO al mercato è già stata trovata, ci sono ancora delle sfumature. Hai solo bisogno di modellare correttamente la deriva del concetto e di educarti
...la soluzione giusta per applicare il MO al mercato è già stata trovata... E qual è questa soluzione? Suppongo che ci siano diverse soluzioni concorrenti)
E per quanto riguarda la modellazione della deriva del concetto? I feedback non aiutano?
E concettualmente cosa si presuppone di più:
- Cambiamento graduale nel tempo
- Cambiamento periodico o ciclico
- Cambiamento improvviso o brusco
O includiamo tutto in una volta?
...la soluzione giusta per applicare ME al mercato è già stata trovata... E qual è questa soluzione? Suppongo che ci siano alcune soluzioni concorrenti)
E per quanto riguarda la modellazione della deriva del concetto? I feedback non aiutano?
E concettualmente cosa si presuppone di più:
- Cambiamento graduale nel tempo
- Cambiamento periodico o ciclico
- Cambiamento improvviso o brusco
o includiamo tutto in una volta?
Bisogna guardare cosa esattamente sta cambiando e cosa l'asse è progettato per fare. Modellare ciò che cambia, cioè creare serie artificiali. Guardate la gamma di cambiamenti nella storia. Non c'è una soluzione unica, ma è possibile farla funzionare secondo la situazione e per un tempo abbastanza lungo. Relazioni inverse per modellare le norme, per esempio le gan di ricorrenza, ma non ci sono ancora arrivato. E il classificatore per il modello stesso può essere qualsiasi
di solito si tratta di cose abbastanza banali come la media incrementale e il bias della varianza, che devono essere cambiati. E il clustering della volatilità è perfettamente modellatoBisogna guardare cosa esattamente sta cambiando e cosa l'asse è progettato per fare. Modellare ciò che cambia, cioè creare serie artificiali. Guardate la gamma di cambiamenti nella storia. Non c'è una soluzione unica, ma è possibile farla funzionare secondo la situazione e per un tempo abbastanza lungo. Relazioni inverse per modellare le norme, per esempio le gan di ricorrenza, ma non ci sono ancora arrivato. E il classificatore per il modello stesso può essere qualsiasi
Di solito tutto si riduce a cose abbastanza banali come lo spostamento incrementale medio, che deve essere cambiato. E il clustering della volatilità è perfettamente modellatoChe cosa succede se uno spostamento degli incrementi medi (o forse mediani), supponendo che sia "cambiamento graduale con il tempo"/"cambiamento periodico o ciclico" lo introduce nel modello come variabile di controllo? Basato sul concetto di LifeLong Learning.
Ma è probabilmente più difficile con un cambiamento improvviso o brusco, anche se potrebbe essere esattamente il contrario)
Che ne dite di uno spostamento della media (o forse della mediana) degli incrementi, trattandolo come un "cambiamento graduale nel tempo"/"cambiamento periodico o ciclico" da introdurre nel modello come variabile di controllo? Basato sul concetto di LifeLong Learning.
Probabilmente è più difficile con un cambiamento improvviso o brusco, anche se potrebbe essere il contrario)
Non ho familiarità con questi concetti. Penso che sia sufficiente rompere la fila in n-bar batch ciascuno e si può mischiare se si vuole l'immediatezza. Non credo che si possa individuare qualcosa di specifico, ma attraverso l'enumerazione delle varianti per ottenere un modello normale non è un problema. Che non ha visto i nuovi dati, ma è stato addestrato su qualcosa di simile, generato. La cosa principale è che la copertura delle varianti sia grande, altrimenti potremmo accidentalmente raccogliere
Per esempio, su tutte le coppie di valute ottengo buoni modelli con orizzonte di 5 anni addestrati in un paio di mesi + quelli artificiali. Non so quale sia il cambiamento globale, ma se si guarda ai cambiamenti stagionali, lo spostamento medio è diverso. Non l'ho ancora modellato.
Per esempio, su tutte le coppie di valute ottengo buoni modelli con un orizzonte di 5 anni, imparando in appena un paio di mesi + artificiale. Qual è il cambiamento globale lì, non lo so, ma se si guarda a quelli stagionali, lo spostamento della media è diverso. Non ho ancora fatto alcuna modellazione.
Le azioni e le materie prime hanno modelli dello stesso orizzonte? "Un paio di mesi" è una sezione della storia della BP? Se è così, è un Klondike!
Le azioni e le materie prime hanno modelli dello stesso orizzonte? "Un paio di mesi" è una sezione della storia della BP? Se è così, è un Klondike!
È tutto situazionale, da qualche parte sono 2 mesi, da qualche parte il mercato è cambiato drasticamente e questa storia non è sufficiente. Da qualche parte hai bisogno di filtri aggiuntivi. Non ho provato altri strumenti, potete provare sugli indici.
Ho provato altri strumenti per gli indici, puoi provarli. È solo l'approccio stesso - abbiamo bisogno di molti esempi plausibili, funziona ovunque, non solo per le serie temporali. Non c'è una super scienza, basta curiosare e guardare)
Ad esempio, insegnare su orologi specifici (componenti stagionali), fatto un brutforce come questo. Selezione del modello in base alle ore. Ogni punto è un modello, con 10 modelli addestrati per ogni orologio. Più densi e alti sono i punti, meglio è
Si può vedere sul grafico che ci sono un sacco di buoni modelli ai bordi della giornata di trading, nel mezzo, dove la volatilità è alta, questa strategia funziona peggio (in media). Ci sono solo alcuni periodi di vera e propria spazzatura, con il resto si può lavorare.
Poi, per la quinta ora che guardo, ho una tale curva di equilibrio. Tutti gli schemi si rivelano buoni per lui. Metà test, metà pista (per 5 anni). Per quelli stagionali ho bisogno di più di 2 mesi, perché ci sono pochi esempi.
E tutto in questa vena. Volevo scrivere un articolo, ma le parole sono troppo corte.
È GBPUSD, ma funziona su tutte le coppie di valute
Selezione di modelli per ora. Ogni punto è un modello, con 10 modelli addestrati per ogni orologio. Più densi e alti sono i punti, meglio è
Poi, per la quinta ora che guardo, ho una tale curva di equilibrio. Tutti i modelli sono buoni per questo. Metà test, metà trey (in 5 anni). Per quelli stagionali ho bisogno di più di 2 mesi, perché ci sono pochi esempi
E tutto in questa vena. Volevo scrivere un articolo, ma le parole sono troppo corte.
Questo è GBPUSD, ma funziona su tutte le coppie di valute
Come hanno ignorato l'ovvio per così tanto tempo...