L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2780
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
Non ci sono strade facili da percorrere.
I sistemi sono deterministici, stocastici e incerti, che in momenti diversi si comportano in modo stocastico, deterministico o misto.
I mercati finanziari sono classificati come incerti perché la fonte della stocasticità sono le persone, il cui comportamento non è prevedibile. Ad esempio, il flusso di persone del tutto casuali nella metropolitana è perfettamente descritto dalla teoria del servizio di massa, tutto può essere calcolato. Ma se si buca un palloncino e si grida "bomba" si scatena il caos e non si può calcolare nulla. Nei mercati, questa è una novità, non ci sono approcci, non c'è scienza, e il panico viene schiacciato a livello amministrativo.
Anche la sezione stocastica dei mercati finanziari si divide in due tipi: stazionaria e non stazionaria. La stazionarietà è perfettamente calcolabile, non esiste una scienza di principio. Esistono mercati finanziari in cui i modelli per i mercati stazionari funzionano. Ho visto modelli ARIMA per il Ministero delle Finanze degli Stati Uniti: funzionano perfettamente.
Ma in generale i mercati finanziari non sono stazionari, c'è qualcosa di già pronto, ma molto rapidamente si scopre che non è chiaro cosa fare - questa è scienza. Ma quello che sappiamo è una matematica assolutamente frenetica, che si divide in due tipi:
Non c'è una strada facile, inoltre, si rimane sempre bloccati in qualcosa (le notizie), a cui non ci si può nemmeno avvicinare. Anche se non è una novità, non è possibile risolvere tutti i problemi, cioè costruire un TS stabile e redditizio in ciascuno degli approcci sopra descritti.
Se riuscite nell'AT, allora sputate su tutto il resto. Il MO, così come il GARCH, è per anni.
Grazie per la presentazione sistematica delle informazioni.
Sì, ho dedicato molto tempo alla mia sistematizzazione delle onde. Molti non capiscono questo argomento, ma funziona costantemente. Poi sono passato all'OHLC. Anche lì ho trovato molte informazioni sistematiche interessanti. Il resto sono inezie nell'unificazione e nella formazione dei TS. Il MO è interessante in termini di ulteriore conoscenza e di rivelazione delle regolarità dei mercati, e più precisamente dei risultati dell'economia mondiale sotto forma di grafici. Ci sono così tante cose interessanti che non so dirvi. Nessuno se ne accorge? Non c'è nessuno con cui discutere seriamente.)))))))
Grazie per la presentazione sistematica delle informazioni.
Sì, ho dedicato molto tempo alla mia sistematizzazione delle onde. Molte persone non capiscono questo argomento, ma funziona costantemente. Poi sono passato all'OHLC. Anche lì ho trovato molte informazioni sistematiche interessanti. Il resto sono inezie nell'unificazione e nella formazione dei TS. Il MO è interessante in termini di ulteriore conoscenza e di rivelazione delle regolarità dei mercati, e più precisamente dei risultati dell'economia mondiale sotto forma di grafici. Ci sono così tante cose interessanti che non so dirvi. Nessuno se ne accorge? Non c'è nessuno con cui discutere seriamente.))))))
Una cosa è vederlo, un'altra è scriverne il codice.
Per la centesima volta, in base al grado di connessione informativa
L'informazione reciproca è adatta a questo?
https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.mutual_info_classif.html
Nei sistemi classici il problema è l'insufficiente flessibilità, nei MO l'eccessiva flessibilità. È necessario selezionare i dati e riqualificare entrambi. Anche la dimensione del campione e la frequenza di addestramento sono +- le stesse. Solo il MO richiede una potenza molte volte superiore e una "scatola nera". Su Onyx nel 2010 stavano spingendo tutto nella griglia, da allora le capacità sono cresciute di ordini di grandezza, ma sono ancora lì.
Perché tutti scavano in profondità quando tutto è in superficie, sui grafici?
Naturalmente, non esiste una perfetta costanza dei luoghi esatti, ad esempio, delle inversioni di prezzo. Non ce ne saranno mai. Ma la prevedibilità del comportamento dei prezzi non viene meno per questo motivo. La precisione può diminuire, ma non la prevedibilità. Esistono modelli di mercato interconnessi e non si può sfuggire ad essi...
Perché tutti scavano in profondità quando tutto è in superficie, sui grafici?
Naturalmente, non esiste una costanza perfetta di luoghi esatti per le inversioni di prezzo. Non ci sarà mai. Ma la prevedibilità del comportamento dei prezzi non viene meno per questo motivo. La precisione può diminuire, ma non la prevedibilità. Esistono modelli di mercato interconnessi e non si può sfuggire ad essi...
In generale sono favorevole al trading manuale... Potete iniziare a lanciare le pantofole.
Sono generalmente a favore del commercio manuale..... Puoi iniziare a lanciare le ciabatte.
Ho capito. Ho finito. Ho finito. Vado a prendere le pantofole).
Le informazioni reciproche sono adatte a questo scopo?
https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.mutual_info_classif.html
Sì, alias correlazione del XXI secolo.
o http://www.explo redata.net/Sì, è una correlazione del 21° secolo.
O http://www.exploredata.net/.Qual è l'opzione migliore? Questa o quella di scikit-learn?
https://minepy.readthedocs.io/en/latest/python.html
Cosa è meglio, questo o quello di scikit-learn?
https://minepy.readthedocs.io/en/latest/python.html
Entrambi sono buoni, minepy è più avanzato, l'ho usato molto tempo fa, non ricordo le differenze.
Non sono molto d'accordo con l'approccio che consiste nel selezionare da un mucchio di caratteristiche senza significato per mezzo dell'informazione reciproca, piuttosto per una rapida valutazione delle norme TC.
Proverei anche a inserirlo in un ottimizzatore, come parte di un criterio di ottimizzazione combinato per coloro che gareggiano attraverso la genetica.