L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3346
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
La particolarità è che, anche senza conoscere lo spread reale, una parte degli accordi cade quando lo si aumenta artificialmente nel tester.
All'aumentare dello spread corrisponde un abbassamento dell'aspettativa della matrice. Non ho capito il problema dello spread.
Anche NHITS e lightGBM hanno un RMS inferiore a quello di TimeGPT nei dati giornalieri e orari. https://valeman.medium.com/what-truly-works-in-time-series-forecasting-the-results-from-nixtlas-mega-study-78eda5133622
Avete provato Conformal Prediction ?
https://valeman.medium.com/how-to-predict-full-probability-distribution-using-machine-learning-conformal-predictive-f8f4d805e420
https://github.com/valeman/awesome-conformal-prediction#papers-time-series
Quanto aumenta lo spread, tanto diminuisce l'aspettativa della matrice. Non capisco il problema dello spread.
Se esiste un modello che funziona in condizioni di serra. Vorrei adattarlo a qualsiasi casa di brokeraggio con qualsiasi spread. Sembrerebbe più semplice inserire uno spread maggiore nel markup delle operazioni e riqualificarlo, ma non serve. Si rifiuta di dare un profitto con uno spread maggiore in uscita.
Quindi, in condizioni di serra, l'aspettativa è bassa. Esattamente dove si trova l'alfa.
Sostituiamo la parola modello con scalper. Diciamo che è effettivamente in profitto ad alcune quotazioni. L'alfa è nella bassa aspettativa.
Peggioriamo le quotazioni. Lo addestriamo ad andare in OOS. Perché l'alfa è distrutto. Durante l'addestramento ci possono essere anche migliaia di transazioni. Ma non c'è un alfa - condannato.
ZY Perché trarre profitto dalle cattive quotazioni, quando è già tutto pronto per trarre profitto da quelle buone?
Quindi, in condizioni di serra, la matrice di aspettativa è bassa. Esattamente dove si trova l'alfa.
Sostituiamo la parola modello con scalper. Supponiamo che sia effettivamente redditizio ad alcune quotazioni. L'alfa si trova in una bassa aspettativa.
Peggioriamo le quotazioni. Lo addestriamo ad andare in OOS. Perché l'alfa è distrutto. Durante l'addestramento, ci possono essere anche migliaia di operazioni. Ma non c'è alfa - condannato.
ZY Perché trarre profitto dalle cattive quotazioni quando è già tutto pronto per trarre profitto da quelle buone?
Costi di trading - slippage, liquidità, commissioni, swap. Lo spread è il valore (non ho scritto la differenza di proposito) tra bid/ask al momento.
Da mezzanotte all'una di notte lo spread minimo su EURGBP è decine di volte più grande dello spread massimo prima della mezzanotte.
E per alcuni scalper questa è l'ora più ghiotta della giornata.
Costi di trading - slippage, liquidità, commissioni, swap. Lo spread è il valore (non ho scritto la differenza di proposito) tra domanda e offerta al momento.
Da mezzanotte all'una di notte lo spread minimo su EURGBP è decine di volte superiore allo spread massimo prima della mezzanotte.
E per alcuni scalper questa è l'ora più ghiotta della giornata.
Scambiamo ancora il modello - spread - altri costi.
Nessuno dei miei TS in nessuna parte della logica (nemmeno indirettamente) utilizza il valore dello spread. Non sono l'unico.
Perché i dati grezzi sotto forma di due prezzi bid/ask vengano convertiti in prezzo/spread e poi si cerchi l'alfa nel prezzo è un mistero per me.
Parlare di spread, timeframe e candele giapponesi è la stessa cosa.
"Hello World!" nel campo della comprensione dei dati di partenza: scrivere uno script che mostri il massimo profitto possibile sull'intervallo storico.
Se non si dispone di questo, non è chiaro cosa si stia facendo.