Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2465
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
Como pode não ser? Faz exactamente isso.
Você já se deparou com a expressão "bases de dados baseadas em redes neurais"? Já me deparei com isso uma vez e acho que é a melhor definição do que são NS/árvores.
Uma árvore pode ser treinada até a última fenda e então lembrará absolutamente toda a história com precisão absoluta (obtenha um modelo super-treinado).
Se não for até a última divisão, mas um pouco antes da divisão de parada (por exemplo, por 10 exemplos em uma folha), então obtemos memória com generalização e com média de resultados desses 10 exemplos mais semelhantes. Haverá menos sobre-aprendizagem. Ou seja, você tem que parar a divisão quando o sub-aprendizado começa a se transformar em sobre-aprendizado. Esta é a tarefa principal e mais difícil.
Eu acho que você não deve misturar redes neurais e aprendizagem de máquinas no comércio - eu gostei das fotos aqui - até agora eu vejo as redes neurais como possibilidades para análise técnica (onde você precisa de olhos, ouvidos, etc., como observado acima) ou para versões recursivas das mesmas,
como quando você tem muitos dados em mãos, quando você não tem a fórmula que você precisa para ajudá-lo a encontrar uma relação entre as entradas e saídas no seu conjunto de dados, ou quando você precisa fazer previsões em vez de inventar explicações.
ou com pesos - (mas como determiná-los logicamente não vejo como (além de um 0 a 1), ou se com treino (0 ou 1), para que não se percam)
Os neurónios formam camadas através das quais um sinal passa sequencialmente. Tudo isso é conectado por conexões neurais - canais, através dos quais os dados são transmitidos. Cada canal tem seu próprio 'peso' - um parâmetro que afeta os dados que ele transmite
E a aprendizagem de máquinas de uma forma mais geral é uma árvore de decisão e até mesmo uma floresta de decisões, onde, concordo com você, o principal é parar no tempo, e algoritmos genéticos simples (em Excel), estatísticas com erros e propagação retrógrada de erros para aprendizagem posterior ... e talvez até o mesmo Monte-Carlo e Sharpe Ratio para avaliar o risco da carteira e formas de diversificação e cobertura (é onde você pode realmente baixar um monte de dados para análise)
p.s.
e algum tipo de visão geral da NN para prever os movimentos de preços
Não há uma organização de rede correta. Cada arquitetura de rede tem seus próprios benefícios e inconvenientes. As redes de retropropagação são comuns porque oferecem bom desempenho, mas muitas vezes são difíceis de treinar e configurar. As redes recorrentes oferecem alguns benefícios sobre as redes de retropropagação, pois sua "característica de memória" pode ser usada para extrair dependências de tempo nos dados, e assim melhorar a previsão. Modelos mais complexos podem ser úteis para reduzir erros ou problemas de configuração da rede, mas muitas vezes são mais complexos para treinar e analisar
- ou seja, a memória só estará disponível se estiver incorporada na arquitectura da rede... Acho que é muito ingénuo e imprudente colocar a memória num modelo de variável (como o preço)... A memória pode ser colocada na análise de dados demográficos, flutuações sazonais, e algo mais sistematicamente repetitivo e constante... mas NÃO movimentos de preços para o day-trader... no mínimo, na análise do alce... imho... ou um pouco de memória dos últimos K's apenas se você assistir (e Flat/Trend é apenas 0,5 probabilidade)
(pelas razões descritas, acho que é realmente um argumento inútil - quando se fala sem referência a uma determinada arquitetura de uma determinada rede ou outra variante de aprendizagem de máquina) ... mas obrigado pelo aviso.
Com a memória, você não precisa ir longe (ou melhor, sem memória - execute-a e esqueça-a, os dados da memória intermediária não são mais importantes na Saída):
Monte Carlo é uma ferramenta de tomada de decisão que assume que cada decisão terá algum impacto no risco global.
como o método Monte Carlo é utilizado para optimizar uma carteira -
Primeiro, são dados pesos aleatórios às acções, após os quais são calculados o retorno e o desvio padrão. Os valores obtidos são gravados. O próximo passo é mudar aleatoriamente os pesos (o principal é lembrar que sua soma tem que ser unidade) e isso é feito novamente - o cálculo e salvar o valor resultante. O número de iterações depende do tempo, da capacidade do computador para o cálculo e do risco que o investidor está disposto a correr.
(embora no Excel com o pacote Analysis and Solution Seeking - provavelmente ainda mais fácil de implementar - a questão está novamente no modelo, e os algoritmos genéticos e outros algoritmos estão definidos no Solution Seeker - e aqui está pronto o "método de busca idiota") ... mas para a gestão de risco, e ainda não para a previsão de movimento de preços
Depois de todas as respostas, você tem que tirar um Slicer de conclusões, porque até agora todos estão falando sobre o seu próprio negócio... (o tema é que não haverá uma única conclusão - há muitos métodos - não há um denominador comum)
Como na árvore que elibrarius mencionou
Isto é, você tem que parar a divisão quando a sub-aprendizagem começa a se transformar em sobre-aprendizagem. Esta é a tarefa principal e mais difícil
Depois de todas as respostas, você tem que tirar um Slicer de conclusões, porque até agora todos estão expressando as suas próprias... (o tema é que não haverá uma única conclusão - há muitos métodos - não há um denominador comum)
como na árvore que elibrarius criou.
É tudo para o casino, é diferente em forex. O que você pode explicar ao robô? Quando o azul estiver acima do vermelho, compre. É tudo;)
Vladimir, eu tenho uma dúzia de posições/estados únicos.
Se você olhar ao redor do stackoverflow, a lógica é muito simples (assim como no Localizador de Soluções add-in do Excel):
0/ seja honesto e use a média e a escala inferidas a partir do conjunto de treinamento -
1/ A rede neural lembra-se do que aprendeu através dos seus pesos e preconceitos.
2/ Inicializar aleatoriamente os pesos - isto desloca a responsabilidade para a máquina - O QUE É BOM, não o revelador
3/ treiná-lo com alguns padrões - em grandes dados (e a propósito, grande poder de pc) - seja de regressão ou modelo logístico ou outro (vale a pena pensar e escolher - não muito a escolher, porque ao escolher a regressão linear tiramos a oportunidade para o otimizador funcionar, então eu acho)
4/ ... introduza a entrada e obtenha o resultado de uma máquina treinada E TODOS
p.s. lembrar redes neurais artificiais Contínuas vs Discretas -- a primeira é provavelmente uma função integral, a segunda é para determinar um flat/trend, por exemplo...
e alguns conselhos sobre o que está na moda
Asredes neurais recorrentes têm sido, em vários momentos, um método da moda para várias aplicações de previsão financeira, por exemplo
p.p.s. um pouco de teoria
Nas redes Bayesianas os vértices e bordas têm significado - A própria estrutura da rede fornece informações valiosas sobre a dependência condicional entre as variáveis. Com as Redes Neurais, a estrutura de rede não lhe diz nada.
e bibliotecas python (você também pode usar R), se o excel não for suficiente
(enquanto aqueles que não sabem ler nem entender ainda sonham em explicar algo ao seu robô, porque não jogaram o suficiente no cassino)
... mas a regressão linear é confusa porque, se bem me lembro, os preços são não lineares e o retorno é linear (se não o contrário?)
NÃO ao contrário, como .
Embora os preços não sejam normalmente distribuídos, o retorno do preço em muitos casos tem uma distribuição normal.
NÃO o contrário, porque.
embora a lógica em contrário, mas em conjunto com a memória distante, se confirme... (embora eu não lide frequentemente com Finanças Quantitativas e Pesquisas Financeiras)Eu fiz uma aplicação MT5 funcional para o usuário final, ela é instalada em dois cliques.
A rede neural roda no computador do usuário em arquivo exe (você pode fazer isso sem exe no caso do script Python).
Nenhum pedido externo, API, dll, etc.
Previsões como indicador padrão.
Por favor, leia mais aqui.