L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1595
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
.....
possiamo aspettare ancora il ritorno
È possibile aspettare un ritorno, ma in un TS reale non ha senso.
Formulate il TS e vedrete che per "aspettare" dovrete riservare una parte di capitale tale che la redditività della strategia sulla sezione stazionaria sarà misera
adf_test in R
Non è così, Dickey-Fuller funziona solo per processi autoregressivi.
Non è così, Dickey-Fuller funziona solo per processi autoregressivi.
è il suo problema di riconoscere il processo, non gli diamo un cotyr, ma un sintetico, e non proprio un sintetico
se adf_test dà 0,01, si può andare a fumare il bambù, no?
Questo è un problema suo, non mio.
determinare questo
non hai bisogno di fare trading cambiando le modalità, hai bisogno di cambiare le strategie quando cambiano. Se si tratta di scalping, ci saranno centinaia di scambi per ciascuno. La sfida è cambiare le strategie in tempo, cioè identificare il cambiamento di modalità il più presto possibile, o addirittura prevederlo.
se risolvi questo problema, il Graal è certamente nella tua tascaIl cambio di modalità è molto discutibile
Ho già posto la domanda - come considerare la stazionarietà - una finestra che si sposta o una fila che si allunga?
ma supponiamo che non abbia importanza e che abbiamo "non stazionarietà" in entrambi i casi
nessuno è mai riuscito a creare TS sulla non stazionarietà
un'altra cosa è che possiamo provare a fare in modo che la foresta (mentre siamo ancora fermi) determini "entrare o no", ma mi sembra che si blocchi o indovini
possiamo commutare il TC "all'indietro" quando andiamo fermi, ma non ci sono statistiche affidabili
anche se possiamo applicare una tecnica in cui se sappiamo che torneremo a zero possiamo invertire il drawdown
non è facile, ma è possibile... grazie per aver suggerito di usare la vecchia billetta
Se è così, naturalmente
Ma abbiamo bisogno di pensarci
il cambio di modalità è una questione molto discutibile
Ho già posto la domanda - come consideriamo la stazionarietà - una finestra che si sposta o una fila che si allunga? nessuna risposta
ma supponiamo che non abbia importanza e che abbiamo "non stazionarietà" in entrambi i casi
nessuno è mai riuscito a creare TS sulla non stazionarietà
un'altra cosa è che possiamo provare a fare in modo che la foresta (mentre siamo ancora fermi) determini "entrare o no", ma mi sembra che si fermi o indovini
possiamo commutare il TC "all'indietro" quando andiamo fermi, ma non ci sono statistiche affidabili
anche se possiamo applicare una tecnica in cui se sappiamo che torneremo a zero possiamo invertire il drawdown
non è facile, ma è possibile... grazie per aver suggerito di usare la vecchia billetta
se possiamo, naturalmente.
ma dobbiamo pensarci bene.
Preferisco contare la stazionarietà a partire da un ritardo incrementale significativo, come nell'ultimo articolo. Per esempio, il lag ~24 per gli incrementi orari è robusto. Allora non c'è incertezza nella scelta della finestra.
Foresta o non foresta, qui, per esempio, boost (tutto è pronto) e funziona fino a quando il modo è cambiato. Quando si verifica un incremento medio, il modello si blocca, il che è naturale. È incredibile quanto tempo ci sia voluto per capire quanto la distorsione della media (non anche la varianza) influenzi il tc. Idiota.
Quello che manca è già stato detto in giro. Ecco un semplice esempio di clustering degli incrementi (leggi: definire i modi) e di testarli su nuovi dati (3 modi trovati). Ne ho scelto uno più semplice di proposito, non ho ancora sperimentato.
https://www.quantnews.com/k-means-clustering-creating-simple-trading-rule-smoother-returns/
Cioè, un modello separato è montato per ogni cluster. Il cluster corrente (modalità) è definito, i modelli vengono commutati di conseguenza.
Non c'è altro a cui pensare, dovrà bastare. K-means non è l'opzione migliore, ma andrà bene come caso di prova.
Se adf_test dà 0,01, potete andare a fumare il bambù, no?
rifiuta casi molto speciali di non stazionarietà (autoregressiva, tipo SB), e la non stazionarietà può essere molto più varia.
Il punto è che, secondo il teorema di Wold, qualsiasi processo stazionario può essere considerato autoregressivo, ma tra i processi non stazionari ci sono pochissimi autoregressivi.
rifiuta casi molto speciali di non stazionarietà (autoregressiva, tipo SB), e la non stazionarietà può essere molto più varia.
Il punto è che secondo il teorema di Wold qualsiasi processo stazionario può essere considerato autoregressivo, ma tra i processi non stazionari ci sono pochissimi autoregressivi.
E allora? Diciamo che rifiuta
e cosa 2?
E allora? Diciamo che lo fa.
e quali 2?
Cosa intendi per "supponiamo di rifiutare"? Sai almeno cos'è un test statistico, un'ipotesi statistica?
Che cosa intende per "supporre dei rifiuti"? Sai almeno cos'è un test statistico, un'ipotesi statistica?
Puoi rispondere alle domande senza fare controdomande?