L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2638
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
È meglio contare in pezzi di modello. Le stesse rotture di modello (significative per il lavoro) non sono più di qualche centinaio all'anno. Lo chiamerei un numero limite. Se si prova a farne dei modelli più complicati - per esempio in coppie di nodi consecutivi che si rompono, che soddisfano anche alcune condizioni - si possono ottenere decine di questi modelli all'anno. E questo non basta.
Sì, sono d'accordo che i dati non sono sufficienti, è per questo che prendo la quantità massima di storia. Naturalmente, più esempi ci sono, più il risultato è sicuro, in teoria, ma è quello che è.
Qualcosa come un ciclo su tutte le possibili costruzioni di un dato tipo di modello? Ho fatto qualcosa di simile una volta con le stesse suddivisioni dei vertici. In linea di principio, è possibile arrivare a qualcosa, solo che l'enumerazione sarà (nel caso generale) ricorsiva piuttosto che iterativa. Di nuovo, la maggior parte dei modelli sarebbe priva di significato a causa della complessità e della rarità. È probabilmente più facile raccogliere manualmente una lista di modelli significativi e bypassarla in un ciclo regolare, scegliendo quello ottimale.
Ho solo bisogno di uno strumento con una metrica accurata per valutare la tendenza/distribuzione/tipo di onde nel tempo per identificare qualsiasi tendenza al loro interno. Quali sono le tendenze, per esempio:
- Se c'è stato un risultato positivo dopo un modello per un lungo periodo, un risultato negativo è più probabile quando emerge un nuovo modello;
- Il risultato è equamente distribuito in tutte le sezioni del campione (come si fa a dividere in sezioni correttamente?);
- Se c'è stato un esito negativo del modello per molto tempo, è più probabile che si verifichi un esito positivo;
- Se non c'è stato alcuno schema per un lungo periodo, è più probabile un esito positivo/negativo quando appare.
Fondamentalmente qualcosa del genere. Si tratta di un taglio statistico, ma dovrebbe essere a intervalli di storia, e la mia domanda è il modo migliore per tagliare questi intervalli (misurare su intervalli diversi, fare uno spostamento), così la stima sarebbe corretta ed espressa preferibilmente da qualche coefficiente generalizzato.
Sì, sono d'accordo che non ci sono abbastanza dati, ed è per questo che prendo più storia possibile. Certo, più esempi ci sono, più il risultato è sicuro, in teoria, ma quello che c'è è lì.
Ho solo bisogno di uno strumento con una metrica accurata per valutare la tendenza/distribuzione/tipo di onde nel tempo per identificare qualsiasi tendenza al loro interno. Quali sono le tendenze, per esempio:
- Se c'è stato un risultato positivo dopo un modello per un lungo periodo, un risultato negativo è più probabile quando emerge un nuovo modello;
- Il risultato è equamente distribuito in tutte le sezioni del campione (come si fa a dividere correttamente in sezioni?);
- Se c'è stato un esito negativo del modello per molto tempo, è più probabile che si verifichi un esito positivo;
- Se non c'è stato alcuno schema per un lungo periodo, è più probabile un esito positivo/negativo quando appare.
Fondamentalmente qualcosa del genere. Questo è un intervallo statistico, ma dovrebbe essere a intervalli di storia e la domanda per me è qual è il modo migliore per affettare questi intervalli (misurare a intervalli diversi, fare uno spostamento), affinché la stima sia corretta ed espressa preferibilmente da qualche coefficiente generalizzato.
La soluzione più semplice è una statistica che viene calcolata in una serie di test. Nel trading viene solitamente menzionato nel contesto della ricerca della dipendenza di un risultato commerciale dal precedente. Se si nota qualche dipendenza/serialità, si può provare a studiarne la struttura. Qui, probabilmente ha senso guardare alle catene di Markov e usare come metriche alcune funzioni delle loro matrici di probabilità.
Per affettare gli intervalli di storia, di solito uso un grande zigzag. Probabilmente non è ottimale, ma è abbastanza semplice e relativamente obiettivo.
La cosa più semplice a cui si può pensare è una statistica che conta in qualche tipo di test in serie. Nel trading ci si riferisce di solito nel contesto di trovare la dipendenza del risultato di uno scambio dal risultato di uno scambio precedente. Se si nota qualche dipendenza/serialità, si può cercare di studiarne la struttura. Qui, probabilmente ha senso guardare alle catene di Markov e usare come metriche alcune funzioni delle loro matrici di probabilità.
Un po' di più sulle catene di Markov in questo contesto.
Se parliamo solo di serialità, possiamo introdurre due stati + e - che denotano la qualità della realizzazione del modello. Di conseguenza, ci sono quattro modi possibili per passare da un modello all'altro: "+"->"-", "+"->"+", "-"->"+", "-"->"-". Le transizioni corrispondono a quattro probabilità (di cui solo due sono indipendenti), che formano la matrice di probabilità di questa catena.
Se parliamo di lunghezza della serie, gli stati dovranno essere più complicati. Per esempio, possono essere coppie (+,n) e(-,n), dove oltre alla qualità della realizzazione del modello, c'è n - numero del modello nella serie che lo contiene. Otteniamo un numero potenzialmente infinito di stati, ma le transizioni possibili (con probabilità non nulla) sono anche quattro: (+,n)->(+,n+1), (+,n)->(-,1), (-,n)->(+,1), (-,n)->(-,n+1). Risulteranno anche quattro probabilità (con due indipendenti). La differenza è che ora appare (o meno) la dipendenza di queste probabilità dalla lunghezza della serie n. Possiamo cercare di esprimere questa dipendenza attraverso qualche coefficiente e usarlo come metrica necessaria.
Buon pomeriggio! Shalom! Nairamdal!
Vedo che siete tutti grandi matematici.
Allora possiamo farlo.
Perché non studiate l'integrità del mercato?
Tutti sappiamo che il mercato è un processo complesso, complesso dalla parola 'complesso'. Il mercato è creato da molti partecipanti con diversi obiettivi, dimensioni delle tasche, tendenze diverse...
Per esempio, costruiamo una semplice tendenza sinusoidale che il prezzo segue(nel nostro modello), chiamiamola "tendenza".
Un modello di prezzo semplice, facile da capire e da prevedere.
Ora immaginiamo che qualche forte compratore del mercato sia entrato nel "nostro mercato" e abbia fatto forti investimenti nel "nostro mercato" per qualche tempo.
come potete vedere il nostro bel modello è un po' rotto...
Ora immaginiamo che al prezzo di diciamo 99,2 qualcuno abbia messo un grosso limite e abbia comprato tutto quello che gli è stato dato
Così otteniamo una tale curva del modello dei prezzi, ma più vicina alla realtà
Inoltre per un realismo ancora maggiore aggiungeremo del rumore, per esempio il trading di piccoli o market maker
È così che si può guardare al mercato come a un processo complicato.
Ora è interessante riflettere. Quando prevediamo il prezzo, cosa prevediamo esattamente? la tendenza? l'acquirente del mercato? l'acquirente limite? il rumore? :) e dovremmo prevedere tutto insieme?
25 di nuovo :) le basi dell'econometria sono andate. Per non girare in tondo: si possono prevedere solo cicli e componenti stagionali in una serie temporale