L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2527
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
Questo è molto più interessante
Forse dovremmo abbandonare la nozione che il mercato è una serie temporale e fare finalmente una svolta nell'analisi di mercato...
Uno non interferisce con l'altro. La matematica finanziaria moderna è abbastanza compatibile con approcci di serie temporali continue e discrete. Il problema che vedo è che le applicazioni concrete di questa scienza, pubblicate apertamente, non sono ben affinate per le esigenze dei nostri commercianti.
non rigirarla: cercando di discutere con me, stai ancora parlando del tuo... solo sulle serie temporali... (e ci sono molte tecniche di campionamento coinvolte)...
il prezzo a lungo termine non è una funzione del tempo, ho fatto il mio punto più di una volta (e non lo ripeterò)... Ti ho mostrato dove puoi ottenere l'autocorrelazione in DL... e cosa usare per X e Y e per modellare quali dipendenze - l'ho scritto anche per la decima volta - è a discrezione dello sviluppatore...
Non sono lo sviluppatore del vostro modello - non ho bisogno di provare il comportamento del prezzo nel tempo... (forse non avrei dovuto scarabocchiare sul DL - tutti qui stanno pensando a qualcosa e lo confutano o dimostrano qualcosa a qualcuno - togliendo una parola da ogni disciplina)... Gli ingegneri che fanno MO (che non sono qui) capiranno comunque la ristrettezza del dibattito sull'autocorrelazione (per il gusto di parlare da nerd) sia in trend che in tick, se il modello è costruito in un aspetto molto più ampio e su un orizzonte del set di apprendimento più ampio dell'orizzonte in cui potrebbero uscire le tue pulci (autocorrelazione)... Questo è l'obiettivo del Deep Learning (tenere conto di tutto)
Sì, ho distorto le parole attraverso la mia esperienza personale. Vi prego di perdonare se ho offeso.
La differenza è che nel primo caso l'ACF è considerato per tutte le possibili coppie di momenti di tempo, mentre nel secondo caso uno dei momenti di tempo è fissato t2=n e molte coppie di momenti di tempo( per esempio, la coppia t1=1, t2=2) sono escluse dalla considerazione. In generale, l'ACF è una funzione di due argomenti. Solo per processi stazionari l'ACF può essere considerato come una funzione di un argomento t=t1-t2 (ritardo).
L'ACF campionaria è sempre calcolata da un campione numerico specifico (realizzazione) di un processo e risulta sempre essere una funzione di un argomento (valore di ritardo). Questa è la ragione principale per cui il campione ACF di un'implementazione SB non è una stima per il suo ACF).
Non pensate che calcolando l'ACF per una coppia di momenti temporali t1 e t2 (lasciamo chet1 < t2 per certezza), stiamo effettivamente calcolando l'ACF campionealla lunghezza campione n=t2e al ritardo t2-t1. Per un osservatore al tempo t2, la serie temporale è rappresentata da un campione di lunghezza t2. L'osservatore non sa cosa succederà dopo il tempo t2.
Per non essere completamente infondato, ecco le mie osservazioni sulle autocorrelazioni reali del mercato:
Finestra di osservazione per ogni valore degli ultimi 50 elementi, offset di 1, 3 e 6 elementi rispettivamente.
Il coefficiente di Pearson risulta da -1 a 1.
Nella prima schermata di questa analisi, per esempio, potremmo dire che sulla scala di una candela c'era una stabile autocorrelazione negativa (un valore positivo è seguito da uno negativo, e viceversa)
Sulla scala di 3 candele era lo stesso ma meno stabile nel punto di osservazione, e sulla scala di 6 candele c'era una mini-tendenza.
E sul secondo è abbastanza diverso (notare i numeri)
Ma è una serie temporale, che per qualche motivo qui non piace a tutti, e in generale so di essere stupido e di non capire nulla. Non voglio offendere o insegnare a nessuno con questo screenshot. Non vi incoraggio a fare previsioni basate su questi calcoli.
Non pensate che calcolando l'ACF per una coppia di momenti temporali t1 e t2 (lasciamo chet1 < t2 per certezza), stiamo effettivamente calcolando l'ACF campionealla lunghezza campione n=t2e al ritardo t2-t1. Per un osservatore al tempo t2, la serie temporale è rappresentata da un campione di lunghezza t2. L'osservatore non sa cosa succede dopo il tempo t2.
Tuttavia, un osservatore al tempo t3, t3>t2 può essere interessato alla correlazione tra i momenti t1 e t2. E la tua formula ACF(t) =sqrt((n-t)/n) non gli permette di calcolarlo (basta sostituire n con t3).
Se la serie fosse stazionaria, ACF(t1, t2)=ACF(t2-(t2-t1), t2)=ACF(t3-(t2-t1), t3), ma in generale la seconda uguaglianza non vale. Si potrebbe dire che la non stazionarietà qui è la presenza di dipendenza da quale punto nel tempo si trova il vostro osservatore (disomogeneità temporale).
Come si fa a far lavorare una cooperativa, ma anche a perseguire i propri interessi? In teoria, l'obiettivo finale (e potenzialmente comune) è quello di creare un sistema redditizio. In alternativa, tutti potrebbero lavorare con un solo dato. Ecco i dati di qualche strumento per ~4 mesi. Si sa che si può ottenere un payoff atteso > 7 su questi dati (la commissione è 4,4, 5 cifre). Il sistema dovrebbe dare il profitto per i precedenti 1,5 anni, ma di questo si parlerà più tardi.
Tuttavia, un osservatore al tempo t3, t3>t2 può essere interessato alla correlazione tra i tempi t1 e t2. La tua formula ACF(t) =sqrt((n-t)/n) non gli permette di calcolarlo (basta sostituire n con t3).
Se la serie fosse stazionaria, ACF(t1, t2)=ACF(t2-(t2-t1), t2)=ACF(t3-(t2-t1), t3), ma in generale la seconda uguaglianza non vale. Si potrebbe dire che la non stazionarietà qui è la presenza di dipendenza da quale punto nel tempo si trova il vostro osservatore (disomogeneità temporale).
Ma ovviamente non è così. Lo fa! Un archeologo, al tempo t3,t3 > t2, può scoprire antiche registrazioni (per esempio su un'anfora che ha 3 mila anni) di SB di lunghezzat2. E vorrà, per esempio, calcolare la correlazione tra i momenti t1 e t2. E andrà bene con la mia formula: ACF(t) =sqrt((n-t)/n), dove n= t2, t=t2-t1. Esattamente perché, in effetti, conterà l'ACF del campionequando la lunghezza del campione è n=t2e il ritardo t2-t1.Sentite che il momentot3 è introdotto da voi artificialmente.
Ma non è così. Lo fa! Un archeologo al tempo t3,t3 > t2, può scavare antiche registrazioni (per esempio su un'anfora che ha 3 mila anni) di SB di lunghezzat2. E vorrà, per esempio, calcolare la correlazione tra i momenti t1 e t2. E andrà bene con la mia formula: ACF(t) =sqrt((n-t)/n), dove n= t2, t=t2-t1. Esattamente perché, in effetti, conterà l'ACF del campione quando la lunghezza del campione è n=t2 e il ritardo t2-t1. Lei sente che il momentot3 è introdotto da lei artificialmente.
In sostanza si arriva alla stessa funzione a due argomenti, ma con una descrizione molto artistica dell'algoritmo del suo calcolo)
Il momento t3 è abbastanza naturale e avete ancora bisogno del momento t4, t4>t3, per il quale la previsione al momento t3 è costruita)
In sostanza, si arriva alla stessa funzione a due argomenti, ma con una descrizione molto artistica del suo algoritmo di calcolo)
Il momento t3 è abbastanza naturale e avete ancora bisogno del momento t4, t4>t3, per il quale la previsione al momento t3 è costruita)
Propongo di considerare il fenomeno dell'ACF SB dalle seguenti posizioni. Per la popolazione generale di SB (campioni di lunghezza infinita) ACF = const = 1. Per un campione di lunghezza finita n, possiamo ottenere una stima diACF con un errore tipico dell'ordine di 1/sqrt(n). È un errore di questo ordine che dà una stima di ACF(t) =sqrt((n-t)/n) = sqrt(1- t/n).
Propongo di considerare il fenomeno dell'ACF di SB dalle seguenti posizioni. Per la popolazione generale di SB (campione di lunghezza infinita) ACF = const = 1. Per un campione di lunghezza finita n, possiamo ottenere una stima diACF con un errore tipico dell'ordine di 1/sqrt(n). È un errore di questo ordine che dà una stima di ACF(t) =sqrt((n-t)/n) = sqrt(1- t/n).
Questo non sarebbe più un SB, ma un processo con realizzazioni-costanti)
Faccio una controproposta per porre fine alla nostra meravigliosa discussione prima che Kolmogorov e Wiener si alzino dalle loro tombe per picchiarci con dei bastoni)