Огромное количество данных в data mining вообще и в финансах в частности приходит к нам в виде временных рядов. Это не удивительно, ведь очень часто нас интересуют какие-то события или показатели изменяющиеся во времени. При этом, огромный пласт классической математики веками создавался для работы с множествами чисел. В результате, одним из...
ありがとう、私ならわからない。
その結果を見るのはとても興味深いことです。
昔はやってましたよ、コードもどこかにあるんです。
1.与えられたコードだけでは判断できない。閾値とフローティング閾値が必要です。
2.プロフィットファクターが10に達するような、非常に収益性の高いシステムを手に入れることができます。
BUT.
プロフィットファクターは5pips以下です。スプレッドアカウンティングは、すべての美しさを殺ぐ。また、スプレッド以外にも、ギフト
その結果を見るのはとても興味深いことです。
裁定取引の話はここではオフトピックですが、ご興味があれば簡単にお答えします・・・。
スライディングウィンドウの中で、2つのBPの近接度をカウントし、BP同士が強く共和積している場合にのみ、裁定取引を開始する...というようなトリッキーな方法で入力するシグナルをフィルタリングして、それを改善したいと思いました。
このようなフィルタリングの結果は曖昧で、良いとも悪いとも分類できません。
最初のバリエーションを使用した場合、テストでは、システムは平均して1ヶ月あたり7％の利益を上げ、回収率は3％でした。
をフィルタリングしたところ、月平均5.7％、5.5PV
だから、収入は少なくても、安定性は高い...。
ロシア語の "R "に関する興味深いリンク集です。
相関差について コインテグレーション
http://www.algorithmist.ru/2011/08/time-series-similarity-measures.html
http://www.algorithmist.ru/2011/09/time-series-test-for-cointegration.html
ペアリングとアービトラージについて
http://rforfinance.ru/pairs-trade/
http://rforfinance.ru/rolling-window/
裁定取引の話はここではオフトピックですが、ご興味があれば簡単にお答えします・・・。
スライディングウィンドウで共積分の強さ（2つのBPの近接度）をカウントし、BPが強く共積分したときだけ裁定取引を開始する...というようなトリッキーな方法で入力する信号をフィルタリングして、すでに裁定取引が機能していたので、それを改善したいと思ったのです。
このようなフィルタリングの結果は曖昧で、良いとも悪いとも分類できません。
最初のバリエーションを使用した場合、テストでは、システムは平均して1ヶ月あたり7％の利益を上げ、回収率は3％でした。
をフィルタリングしたところ、月平均5.7%、5.5 PV
だから、収入は少なくても、安定性は高い...。
ロシア語の "R "に関する興味深いリンク集です。
相関差について コインテグレーション
http://www.algorithmist.ru/2011/08/time-series-similarity-measures.html
http://www.algorithmist.ru/2011/09/time-series-test-for-cointegration.html
ペアリングとアービトラージについて
http://rforfinance.ru/pairs-trade/
http://rforfinance.ru/rolling-window/
ありがとうございます。最初のリンク先の説明文が笑える。アルコノフが2台来る。
:)
ちなみに、ペレヴェンコ氏は、ニューラルネットワークに関する記事の中で、この種のネットワークについては何も言っていない。まあ、全記事中、1つだけ言及があったのですが。そして、時系列への適用性の問題を（思慮深く）明らかにすることができる。
アレクセイ
再帰型ニューラルネットワーク（RNN、CNN、LSTM）については、別途記事（2本）を掲載する予定です。mxnetR と多分 mxnet(Python) を使った例。
ちなみに、CRANリポジトリには、mxnetパッケージがあります。GitHubのオプティマイザ（RMSProp、Adam、AdaGrad、AdaDelta）から追加するためには、いくつかの工夫が必要です。今、これらの機能をテストしているところです。
グッドラック
なるほど、読んでみると面白いかもしれませんね。
CNNはそれ自体がリカレントネットワークというわけではない。
この記事を読んだ結果、ある疑問が生まれました。
なぜ、私を含め、皆、一つの通貨ペアから得られる予測値にこだわっているのでしょうか。通貨ペアはたくさんあるし、非通貨ペアは二束三文だし...。
今回読んだ記事に影響され、ある疑問が湧いた。
なぜ、私を含め、皆、一つの通貨ペアから得られる予測値にこだわっているのでしょうか。通貨ペアはたくさんあるし、非通貨ペアは二束三文だし...。
私にとっては、リスクがすべてです。少なくとも小さなリスクは取るようにしています。何年もかけて何十ものペアで取引に成功したExpert Advisorを作成することができますが、何のために？利益は年に数パーセントだろう、無リスクの預金にお金を預けておく方がいい。
もし、1つのペアを選んで、そのペアでうまく取引できるように1年間モデルを教えれば、月々10％の利益が期待でき、その方がよいでしょう。
もし、2ヶ月分のデータだけでモデルを教えれば、おそらく1週間はうまく機能するでしょうが、さらに短期間でこれらの10％をもたらすでしょう。
モデルが学習しなければならないデータセットが狭ければ狭いほど（時間とペアの数の点で）、新しいデータに対する収益性は高くなります。しかし、もっと早く陳腐化し、利益が出なくなる。ニュースによってはモデル全体が壊れ、新しい予測因子やモデルパラメータを探し直さなければならなくなるかもしれません。