L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 227
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
Beh, il succo può essere riassunto in una serie di frasi. È tutto ciò che chiedo.
Il compito ora non è quello di studiare l'argomento, ma di stimare preliminarmente la sua portata. Per questo dico di formularlo (se capite).
Vedi almeno la prima conferenza. Non puoi farlo in un paio di frasi, è un'area troppo vasta.
Vedete, sto aspettando che voi articoliate il punto, perché voglio capire esattamente cosa volete dalla nozione di apprendimento automatico.
Quello che vi dirà la conferenza è la comprensione degli altri. Forse ciò di cui la comunità del trading algoritmico ha bisogno è un apprendimento automatico specifico.
Voglio capire di cosa hanno bisogno esattamente gli algotraders nel vasto campo dell'apprendimento automatico e quindi ridurre il tempo speso per imparare aree irrilevanti, limitare il codice bypassando compiti inutili e infine raggiungere la giusta implementazione dell'obiettivo.
Vedete, sto aspettando che voi articoliate il punto, perché voglio capire esattamente cosa volete in termini di "apprendimento automatico".
Quello che vi dirà la conferenza è la comprensione degli altri. Forse la comunità di algotrading ha bisogno di un apprendimento automatico specifico.
Voglio capire di cosa hanno bisogno specificamente gli algotraders nell'ampio regno dell'apprendimento automatico e quindi ridurre il tempo speso per imparare aree irrilevanti, limitare il codice bypassando compiti non necessari e infine raggiungere la corretta implementazione dell'obiettivo.
Ci sono due obiettivi qui, molto in generale.
1) selezione qualitativa delle caratteristiche
le caratteristiche sono :
Per esempio, ti piace l'analisi tecnica, supporto, resistenza, rimbalzo, breakdown ecc.
si vede il mercato attraverso queste caratteristiche, non diamo i prezzi ma solo i segni che supporto, resistenza, rimbalzo, rottura ecc... nell'algoritmo
e qui arriva il punto
2) generazione di decisioni
l'algoritmo che "giocherella" con questi segni inizia a creare alcune regole di trading ottimali - decisioni e seleziona quei segni che valgono qualcosa e quelli che non sono importanti per prendere una buona decisione
=====================
quindi l'elaborazione corretta dei dati è il 98% del lavoro
la formazione del MO è del 2%.
Ci sono due obiettivi qui, molto in generale
1) selezione qualitativa delle caratteristiche
questi segni sono :
Per esempio, ti piace l'analisi tecnica, supporto, resistenza, rimbalzo, breakdown ecc.
si vede il mercato attraverso queste caratteristiche, non diamo i prezzi ma solo le caratteristiche come supporti, resistenze, rimbalzi, rotture ecc... nell'algoritmo
e qui arriva il punto
2) generazione di decisioni
l'algoritmo che si "destreggia" tra questi segni inizia a creare alcune regole di trading ottimali - decisioni e seleziona quei segni che valgono qualcosa e quelli che non sono importanti per prendere una buona decisione.
Grazie. Comincio a farmi un'idea.
Una sorta di raccolta di firme generali e l'analisi di vari cambiamenti di dati nel periodo corrente, che sono alimentati in un algoritmo speciale, analizzati lì, le statistiche per le firme dei dati sono raccolte, i modelli e le ripetizioni delle firme sono studiati e le decisioni sul comportamento del sistema sono generate.
Più o meno così?
Vedete, sto aspettando che voi articoliate l'essenza, perché voglio capire cosa volete esattamente con il termine "apprendimento automatico".
Quello che verrà detto alla conferenza è la comprensione degli altri. Forse la comunità di algotrading ha bisogno di un apprendimento automatico specifico.
Voglio capire di cosa hanno bisogno esattamente gli algotraders nell'ampio regno dell'apprendimento automatico e quindi ridurre il tempo speso per imparare aree irrilevanti, limitare il codice bypassando compiti non necessari e infine raggiungere la giusta implementazione dell'obiettivo.
L'essenza dell'apprendimento automatico è di approssimare un set di dati per ottenere un quasi-modello che lo generi. Nel caso della classificazione si tratta di una nuvola di punti marcati per ottenere maschere che li separano.
L'essenza del MO è di approssimare un set di dati per ottenere un quasi-modello che lo genera. Nel caso della classificazione, si tratta di una nuvola di punti etichettati per ottenere maschere che li separano.
Un'approssimazione è una generalizzazione dei valori. Cioè, è per incapsulare diversi valori di dati all'interno di un intervallo scelto? Inoltre, è possibile creare un modello numerico che generalizza il cambiamento di un valore in un periodo di tempo. Raccogliendo questi modelli è possibile creare delle statistiche, su cui basare le decisioni e le scelte delle azioni.
Sto andando nella giusta direzione?
In breve, -
1. Creare un algoritmo che raccolga flussi di valori di qualsiasi parametro (dati) di cui abbiamo bisogno e li faccia passare attraverso il ring buffer.
2. Passiamo i flussi di valori memorizzati nel ring buffer attraverso un filtro speciale, che li generalizza agli intervalli di questi valori.
3. Si crea un modello numerico generalizzato (per mezzo di intervalli) della natura del valore di ogni parametro nel ring buffer, e lo si scrive nel formato appropriato.
4. Questo modello viene inviato all'algoritmo statistico che raccoglie questi modelli.
5. Facciamo un loop attraverso il database che contiene modelli (firme) della natura dei cambiamenti dei valori dei nostri parametri e troviamo il modello che meglio si adatta alla situazione attuale.
6. Viene presa una decisione sul comportamento del sistema nella situazione catturata in questa firma (modello).
Lo formulerò più precisamente in seguito.
Quello chetoxic ha mostrato è una specie di clustering, ma con un insegnante, i punti all'inizio sono segni o meglio i loro parametri numerici, avete un target di acquisto e vendita, quindi prima dell'allenamento avete segnato su (comprare) e giù (vendere), e l'algoritmo inizia a dividere i parametri dei segni per il target, come l'area blu è comprare, rosso è vendere...
Ma in questo momento l'ultimo ronzio è qualcosa del genere
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
ma sono un nerd totale.
E questo è esilarante)))
https://www.youtube.com/watch?v=pgaEE27nsQw
Quello chetoxic ha mostrato è una specie di clustering, ma con un insegnante, i punti all'inizio sono segni o meglio i loro parametri numerici, hai un target buy e sell, quindi prima dell'allenamento hai segnato up (buy) e down (sell), e l'algoritmo inizia a dividere stupidamente i parametri dei segni per target, come la zona blu è buy, rossa è sell...
Ma in questo momento l'ultimo ronzio è qualcosa del genere
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
ma sono un nerd totale.
Domani darò un'occhiata a tutto.
Due anni fa ho avuto delle idee che si sono rivelate in qualche modo simili al machine learning. L'ho chiamato "raccolta di firme digitali delle modifiche dei valori dei parametri". Mi è venuta in mente la base di questa tecnologia e l'ho scritta. Non sono mai riuscito a metterlo in pratica, perché ero sempre distratto da altre cose.
Domani descriverò l'intero concetto di queste "firme" e voi mi direte quanto sia simile al machine learning.
Se sono cose vicine, allora la tecnologia della creazione di algoritmi mi è già chiara.