L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2465
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
Come può non esserlo? Fa esattamente questo.
Vi siete imbattuti nell'espressione "database basati su reti neurali"? L'ho incontrato una volta e penso che sia la migliore definizione di ciò che sono i NS/alberi.
Un albero può essere addestrato fino all'ultimo split e poi ricorderà assolutamente tutta la storia con precisione assoluta (ottenere un modello sovrallenato).
Se non all'ultima suddivisione, ma un po' prima fermi la divisione (per esempio per 10 esempi in un foglio), allora si ottiene la memoria con la generalizzazione e con la media dei risultati di questi 10 esempi più simili. Ci sarà meno overlearning. Cioè, bisogna fermare la divisione quando il sottoapprendimento comincia a trasformarsi in un sovraapprendimento. Questo è il compito principale e più difficile.
Penso che non si dovrebbero mescolare le reti neurali e l'apprendimento automatico nel trading - mi sono piaciute le immagini qui - finora vedo le reti neurali come possibilità per la tecnoanalisi (dove hai bisogno di occhi, orecchie, ecc, come notato sopra) o per versioni ricorsive di loro,
come quando avete troppi dati a portata di mano, quando non avete la formula di cui avete bisogno per aiutarvi a trovare una relazione tra gli input e gli output nel vostro set di dati, o quando avete bisogno di fare previsioni piuttosto che venire con spiegazioni.
o con pesi - (ma come determinarli logicamente non vedo come (a parte uno stupido 0 a 1), o se con allenamento (0 o 1), in modo che non vadano fuori strada)
I neuroni formano degli strati attraverso i quali passa un segnale in modo sequenziale. Tutto questo è collegato da connessioni neurali - canali, attraverso i quali vengono trasmessi i dati. Ogni canale ha il suo "peso", un parametro che influenza i dati che trasmette
E l'apprendimento automatico in una forma più generale è un albero di decisione e anche una foresta di decisioni, dove, sono d'accordo con te, la cosa principale è quello di fermarsi nel tempo, e semplici algoritmi genetici (in Excel), le statistiche con gli errori e la propagazione a ritroso degli errori per un ulteriore apprendimento ... e forse anche lo stesso Monte-Carlo e Sharpe Ratio per valutare il rischio del portafoglio e i modi di diversificare e coprire (è lì che si possono davvero scaricare un sacco di dati per l'analisi)
p.s.
e una sorta di panoramica di NN per prevedere i movimenti dei prezzi
Non c'è una sola organizzazione di rete corretta. Ogni architettura di rete ha i suoi vantaggi e svantaggi. Le reti di backpropagation sono comuni perché offrono buone prestazioni, ma sono spesso difficili da addestrare e configurare. Le reti ricorrenti offrono alcuni vantaggi rispetto alle reti di backpropagation perché la loro "caratteristica di memoria" può essere usata per estrarre le dipendenze temporali nei dati, e quindi migliorare la predizione. Modelli più complessi possono essere utili per ridurre gli errori o i problemi di configurazione della rete, ma sono spesso più complessi da addestrare e analizzare
- cioè la memoria sarà disponibile solo se è incorporata nell'architettura di rete... Penso che sia molto ingenuo e imprudente mettere la memoria in un modello di una variabile (come il prezzo)... La memoria può essere messa nell'analisi di dati demografici, fluttuazioni stagionali, e qualcosa di più sistematicamente ripetitivo e costante... ma NON i movimenti di prezzo per i day-trader... come minimo, nell'analisi dell'alce... imho... o un po' di memoria degli ultimi K solo se si guarda (e Flat/Trend è solo 0,5 di probabilità)
(per le ragioni descritte, credo che sia davvero un argomento inutile - senza riferimento a una particolare architettura di una particolare rete o altra opzione di apprendimento automatico) ... ma grazie per l'avvertimento
Con la memoria, non è necessario andare lontano (o meglio, senza memoria - esegui e dimentica, i dati della memoria intermedia non sono più importanti in Output):
Monte Carlo è uno strumento decisionale che presuppone che ogni decisione abbia un certo impatto sul rischio complessivo.
come si usa il metodo Monte Carlo per ottimizzare un portafoglio -
In primo luogo, si danno pesi casuali alle azioni, dopo di che si calcolano il rendimento e la deviazione standard. I valori ottenuti vengono salvati. Il passo successivo è quello di cambiare casualmente i pesi (la cosa principale è ricordare che la loro somma deve essere l'unità) ed è fatto di nuovo - il calcolo e il salvataggio del valore risultante. Il numero di iterazioni dipende dal tempo, dalla capacità di calcolo del computer e dal rischio che l'investitore è pronto a prendere.
(anche se in Excel con il pacchetto Analisi e ricerca di soluzioni - probabilmente un'implementazione ancora più facile - la domanda è di nuovo nel modello, e gli algoritmi genetici e altri sono impostati in Solution Seeker - e qui è "metodo di ricerca muto" pronto) ... ma per la gestione del rischio, e non ancora per la previsione del movimento dei prezzi
Dopo tutte le risposte, bisogna trarre una fetta di conclusioni, perché finora ognuno sta esprimendo il suo... (il tema è che non ci sarà una sola conclusione - ci sono molti metodi - nessun denominatore comune)
Come nell'albero menzionato da elibrarius
Cioè bisogna fermare la divisione quando il sottoapprendimento comincia a trasformarsi in un sovraapprendimento. Questo è il compito principale e più difficile
Dopo tutte le risposte, bisogna trarre una fetta di conclusioni, perché finora ognuno sta esprimendo il suo... (il tema è che non ci sarà una sola conclusione - ci sono molti metodi - nessun denominatore comune)
come nell'albero che elibrario ha tirato fuori
È tutto per il casinò, è diverso nel forex. Cosa puoi spiegare al robot? Quando quello blu è sopra quello rosso, compra. Questo è tutto;)
Vladimir, ho una dozzina di posizioni/stati unici
Se guardate in giro su stackoverflow, la logica è molto semplice (proprio come nell'add-in Solution Finder di Excel):
0/ essere onesti e usare la media e la scala dedotta dal set di allenamento -
1/ La rete neurale ricorda ciò che ha imparato attraverso i suoi pesi e le sue polarizzazioni.
2/ Inizializzare casualmente i pesi - questo sposta la responsabilità alla macchina - COSA VA BENE, non allo sviluppatore
3/ addestrarlo con alcuni modelli - su grandi dati (e comunque grande potenza del pc) - o regressione o modello logistico o altro (vale la pena pensare e scegliere - non c'è molto da scegliere, perché scegliendo la regressione lineare togliamo la possibilità all'ottimizzatore di lavorare, così credo)
4/ ... inserire l'input e ottenere il risultato da una macchina addestrata E TUTTI
p.s. ricordate le reti neurali artificiali continue o discrete - la prima è probabilmente una funzione integrale, la seconda è per determinare un piatto/tendenza, per esempio...
e qualche consiglio sulla moda
Lereti neurali ricorrenti sono state in vari momenti un metodo alla moda per varie applicazioni di previsione finanziaria, per esempio
p.p.s. un po' di teoria
Nelle reti bayesiane i vertici e gli spigoli hanno un significato. La struttura stessa della rete fornisce informazioni preziose sulla dipendenza condizionale tra le variabili. Con le reti neurali la struttura della rete non ti dice nulla.
e librerie python (si può anche usare R) se excel non è sufficiente
(mentre quelli che non sanno né leggere né capire sognano ancora di spiegare qualcosa al loro robot, perché non hanno giocato abbastanza al casinò)
... ma la regressione lineare è confusa perché, se ricordo bene, i prezzi sono non lineari e il rendimento è lineare (se non il contrario?)
NON il contrario, come .
Anche se i prezzi non sono distribuiti normalmente, il ritorno dei prezzi in molti casi ha una distribuzione normale.
NON il contrario, perché.
anche se la logica al contrario, ma in combinazione con la memoria lontana, è confermata... (anche se non mi occupo spesso di finanza quantitativa e ricerche finanziarie)Ho fatto un'applicazione MT5 funzionante per l'utente finale, si installa in due clic.
La rete neurale gira sul computer dell'utente in un file exe (si può fare senza exe nel caso di script Python).
Nessuna richiesta esterna, API, dll, ecc.
Previsioni come indicatore di default.
Per favore, leggete di più qui.