Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 262
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
É necessário determinar os canais, todos formarão os sinais em si, sugiro uma segunda "fatia" para nossos futuros: flippers por segundo bid, offer, tick average per second, delta na pilha, o volume de compras e vendas, separadamente e mudança de interesse aberto, para pares de moedas forex flippers bid, offer, tick average, para índices estrangeiros preço e mudança por dia exemplo no anexo.
A primeira coisa a fazer é lidar com uma ou duas filas, um par de características e um alvo numa pequena série (1000-10000 amostras), e depois começar com 100500 características e alvos.
Por exemplo, vamos levar Euro e Yen para Bx em um minuto com MT, depois adicionar 2 -3 TRIXes (RSI, Stochastic, ..., etc.) como características e ZZ como um alvo e entender em detalhes como ele (não vai ) funcionar e por quê e como necessário vamos adicionar séries, características e alvos, desfrutando do crescimento do modelo de desempenho, até chegar a algum limite. É sempre mais fácil de escalar quando há um protótipo transparente, mas não se consegue com um monte de filas ao mesmo tempo, há muitos graus de liberdade, em regra, acaba com a configuração irreflectida de um monte de parâmetros sem uma compreensão clara da essência do processo.
Primeiro, você deve lidar com uma ou duas linhas, um par de características e uma tag, em uma pequena linha (1000-10000 amostras), e depois criar 100500 características e tags.
Desde que começamos a compartilhar sabedoria, eu diria que a primeira coisa que você precisa fazer a si mesmo são as seguintes perguntas
1) o que impulsiona o mercado
2) como se pode prever
3) como combater a não-estacionariedade.
Mas para juntar todos os indicadores que não funcionam, e o próprio MOE não vai entender, acredite na minha experiência, nem mesmo ..... (Além disso, tenho "características" muito funcionais, mas ainda não posso ensinar o MO a entender essas "características")) Não posso sequer falar de indicadores sem quaisquer propriedades preditivas.
Enquanto partilhamos a nossa sabedoria, eu diria que a primeira pergunta a fazer é
1) o que impulsiona o mercado em geral
2) como se pode prever
3) Como combater a não-estacionariedade
Mas para juntar todos os indicadores que não funcionam, e o próprio MOE não o entenderá, acredite na minha experiência, nem mesmo ..... (Além disso, tenho "características" muito funcionais, mas ainda não posso ensinar o MO a entender essas "características")) quanto mais indicadores que não têm propriedades preditivas
"O que impulsiona o mercado" - estes são modelos da área temática.
"Não estacionariedade" são modelos de séries cronológicas.
Estas são duas abordagens que não se sobrepõem.
Estas são duas abordagens que não se sobrepõem.
E eu não os cruzo, mas para prever o mercado você tem que responder a estas perguntas, a menos que você seja um informante
Se você usa modelos de séries cronológicas - por que você precisa "o que move o mercado"?
Para modelos de séries cronológicas, toda a informação que você precisa está no preço
Se você usa modelos de séries cronológicas - por que você gostaria de saber "o que impulsiona o mercado"?
Para modelos de séries cronológicas, toda a informação que você precisa está no preço
Responda por que um MO treinado em umasérie temporal do mercado não se comporta adequadamente com novos dados?
Procurando uma resposta a esta pergunta, teremos que lidar com a questão "o que impulsiona o mercado" e resolver o problema da não-estacionariedade, em suma, tudo o que mencionei acima, não é novidade
Por que um MoD treinado em uma série temporal do mercado não se comporta adequadamente com os novos dados?
Procurando uma resposta a esta pergunta, temos de analisar "o que impulsiona o mercado" e abordar as questões da não-estacionariedade, em suma, tudo o que mencionei acima, nada de novo.
Porque os dados são não-estacionários.
Para que serve treinar um modelo sobre um pedaço de série se as características temporais da série são completamente diferentes em outro pedaço?
Porque os dados são não-estacionários.
De que serve treinar um modelo num pedaço de uma série se as características temporais da série são completamente diferentes num outro pedaço?
Bem, isso é verdade, mas isso é apenas metade do problema, é puramente uma questão de não-estacionariedade.
Mas há outra questão - se os dados do mercado para fazer statsionarnymi, acontece que de qualquer forma eles não podem prever, pelo menos batendo, aqui está a segunda questão "o que faz o mercado".
É verdade, é verdade, mas isso é apenas metade do problema, é puramente uma questão de não-estacionariedade que está sendo resolvida.
Mas há outra questão - se os dados do mercado para fazer statsionarnymi se revelam que de qualquer forma não são previsíveis pelo menos à primeira vista, é aí que entra a segunda questão "o que impulsiona o mercado".
E como é resolvida a questão da não-estacionariedade?
Eu pessoalmente resolvi com dtw, agora encontrei uma coisa interessante com análise espectral, em particular "SSA", embora se você souber como fazê-lo, acho que Fourier ou "PCA" vai fazer.
Sabe, não estou a tentar fazer o preço statsionarnaya, apenas uso aqueles métodos que são "imunes" aos não-statsionarnosti