Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1250

 
Farkhat Guzairov:

Jeez, tudo que você faz manualmente deve ser feito por uma rede neural, mas desta forma.... Perda de tempo, e se o resultado for negativo, então um mar de frustração e rumores em busca de outros métodos.

Bem, como fazê-lo manualmente, tudo é automatizado, há apenas etapas, que requerem controle manual e é por causa da incerteza, como exatamente deve se comportar sobre elas.

E o facto de alguém dever alguma coisa, duvido muito...

O resultado - quem saberá até que o futuro chegue...

 
Vizard_:

O mais provável é que os atrasos de 1 e -1 (ou um predicado deles descrevendo-os) melhorem (ou já melhorem) o corte 0, já que "não entrar".
Rejeitei imediatamente tal abordagem e comecei a usar apenas a classificação binária (flipping).
classificação (flip). Eu olharia para as dependências da volatilidade diferente, se elas influenciam ou não influenciam, e assim por diante.
Eu teria feito três classificadores binários. Você pode, por exemplo, olhar apenas para 1 "comprar". Demasiado complicado...

Eu tenho um sistema de tendências nos minutos, então apenas o binário não pode ser usado imediatamente, porque durante os flats você tem que estar na cerca e não apenas virar. Em teoria é possível usar separadamente compra/não troca e venda/não troca, mas precisamos de uma grande amostragem e nem tudo é bom com ela. No ketbust eu tenho sinal para entrada e vetor (compra/venda) é selecionado separadamente - algo parece funcionar, mas ainda há experimentos e é muito cedo para dizer com certeza. Claro, podemos fazer três símbolos binários, mas não será fácil no sentido de combinar este caso num só desenho...

A volatilidade, claro, afeta o resultado, apenas no aumento e você pode ganhar, a questão é a escala.
 
Vizard_:

Para entender, a pesquisa, as conclusões também se aplicam ao sinal inverso.
Como afecta não o resultado, mas a colocação (selecção) de preditores...

Não vou fingir que te entendo, por favor, expande o teu ponto de vista.

 
SanSanych Fomenko:

Não.

Tenho usado o JMA finalizado no mcl4 há muito tempo em termos de adaptação de períodos, mas não é muito útil: desvanece-se como tudo o resto. De vez em quando eu tinha que intervir manualmente.

Se se trata de filtros, há um curioso pacote suave. Dentro do Kalman liso fica Kalman com espaço de estado. Dá mashups de muito boa qualidade, e com extrapolação (previsão) para vários passos à frente.

O Djuric é uma porcaria total.
Kalman, por outro lado, pode precisar de ser escravizado. Mas acho que o Kalman, no nosso caso, não será melhor do que o Mashkeh.
 
Yuriy Asaulenko:
O Djuric é totalmente uma treta.
O Kalman, por outro lado, provavelmente deveria ser feito. Mas parece que o Kalman, no nosso caso, não será melhor do que os MA.

O que é treta e o que não é é desconhecido.

Devemos olhar para a capacidade preditiva de um determinado preditor para uma determinada variável alvo. E melhor ainda, a sua variabilidade com o movimento da janela.

 
Aleksey Vyazmikin:

Bem, como no manual, tudo é automatizado, há apenas etapas que requerem controle manual e isso se deve à incerteza de como exatamente se comportar sobre elas.

E o facto de alguém dever alguma coisa, duvido muito...

E o resultado - quem saberá até que o futuro chegue...

Com base no código acima, você tem um algoritmo claro de ações sob certas condições, neste caso, quando você tem dados de entrada e resultado desejado, o neurônio o ajudará, mas você terá que fazer alterações no código manualmente quando o mercado tende a mudar novamente.

Depende de você o que fazer, mas eu ainda conectaria um neurônio treinado ao processo.

 
Sobre conhecido e desconhecido, se você pensa assim, você também não sabe como os eventos vão se desenrolar, aqui a decisão tomada por você ou qualquer outra pessoa é uma questão de probabilidade, quero dizer, você tem que assumir que a decisão terá um resultado 50/50, nesse caso não importa quem vai eprular, você ou a rede neural.
 
Vizard_:

O peso dos prognosticadores muda dependendo do boi. Parece-me um ajuste sofisticado.
E também há multiclasses no passadiço. Execute-o com validação cruzada, veja se há erros em faltas, etc.
Talvez funcione para um idiota... e todo o esforço não é realmente necessário...

Como você propõe medir peso e volatilidade? Eu não me importo de fazer experiências.

A multiclasse está lá, mas nenhum modelo é descarregado, exceto em seu código binário, que eu não tenho idéia nem mesmo em teoria de como conectar e fazer funcionar.

Há uma época inteira com catbust, lá estou eu experimentando com conjuntos de preditores (parcialmente removendo - 512 combinações), com pesos aleatórios de seleção de preditores de raiz (200) - isso já é 100k modelos, e eu tenho duas partições desse tipo. Sim, há modelos interessantes em tudo isso e há completamente ameixa (rentável na amostra de teste e de aprendizagem, mas ameixa ou perto de zero na amostra independente), mas também não há garantia de que eles vão continuar a trabalhar. Agora (22.12.2018) comecei a criar um novo modelo, mas marquei todos os preditores como categóricos, o que é a minha ideia original (porque muitos já estão cortados em intervalos irregulares e convertidos em valores inteiros), no novo ano o plano é terminar o processamento - ver se há uma diferença, porque modelos com características não categóricas foram preparados neste volume em 1,5 dias, e aqui pelo menos 10...

Em forma ou não - difícil de dizer, ontem escrevi que estou mais inclinado a considerar como em forma um modelo que pode pelo seu volume (número de folhas) memorizar muitas variantes e combinações ao mesmo tempo, e tenho um modelo que não excede 100 folhas... Claro que o meu principal problema é a falta de dados - estou a trabalhar no Si instrument, estou a pensar em adicionar futuros EURUSD, mas preciso de validar os preditores - questão da métrica.

 
Farkhat Guzairov:

Com base no código acima, você tem um algoritmo claro de ações sob certas condições, nesse caso quando você tem dados de entrada e resultado desejado, uma rede neural o ajudará, mas caso contrário você estará constantemente fazendo alterações manuais no código quando a tendência do mercado mudar.

Depende de você o que fazer, mas eu ainda conectaria uma rede neural (treinada) a este processo.

Tenho pontos de entrada e não sei se devo entrar ou não - essa é a tarefa do MO.

Como disse antes, não conheço uma rede neural rápida capaz de absorver um grande volume (300-500) de neurónios de entrada... mas dando folhas já seleccionadas, digamos, a uma rede neural ou a uma árvore novamente...

Eu não entendo sobre mudanças no código, por que isso deveria ser - você acha que as tendências não mudaram em 5 anos?
 
Vizard_:

Não estou a sugerir nada, só escrevi como o faria eu mesmo. E as três turmas obtidas ficariam apenas em ts...

Como é que se põe isso? Então você tem que fazer algum tipo de ponte entre python ou R - é uma floresta escura para mim.