Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1713
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
O que você acha que é, um cientista ou algo assim?
cavalheiros, estão apenas à procura de um sistema para ganhar dinheiro.
mas ninguém, absolutamente ninguém, consegue.
Quando os cientistas querem fazer sentido de algum processo complexo....
divertido, eu vou cavar...
Quando os cientistas querem entender um processo complexo, eles tentam decompô-lo em componentes mais simples e analisá-los, e é por isso que a análise espectral foi criada. Vamos tentar brincar aos cientistas), embora não muito bem sucedidos. Eu descobri como decompor o preço em componentes mais simples. Minha decomposição não tem aditividade, e isso é ruim, mas ainda assim é interessante olhar o preço de um ângulo diferente .
Portanto, precisamos do preço de fecho e da volatilidade (máximos).
Vamos transformar o preço num binário condicional - se o aumento do preço for superior ao anterior, então "1" se for inferior, então "-1".
código R
recebemos um preço binário
você pode torná-lo cumulativo e compará-lo com o preço.
Não parece muito) Agora vamos adicionar volatilidade à nossa série
Já é melhor...
Ideias...
IDEA 1
Assim, quase todo o "tempo" é determinado pela volatilidade "intra-agendada", e não por uma direcção de preços "binária". A questão é que a volatilidade tem uma sazonalidade pronunciada e é relativamente fácil de prever, só precisamos de prever o preço binário, que é mais fácil em estrutura do que o preço normal e depois simplesmente combinar as previsões e obter uma previsão completa...
IDEA 2
Todos os algoritmos apropriados de MO aprendem muito mal com os preços brutos mesmo que sejam normalizados porque não têm repetibilidade em série, provavelmente só por causa da volatilidade que é sempre diferente, se decompusermos o preço em binário e volatilidade, normalizarmos a volatilidade e os adicionarmos de volta, ou não normalizarmos e os alimentarmos com MO, em teoria devemos ter uma melhor capacidade de generalização porque a repetibilidade irá aumentar
IDEA 3
Com a decomposição, podemos suavizar os preços sem perder nenhum atraso. Podemos decompor o preço e interpolar (esticar) a volatilidade e o preço separadamente e depois adicionar de volta
IDEA 4
Podemos decompor os preços e a volatilidade dos clusters, ou seja, reduzir os graus de liberdade (por exemplo, 10 clusters (estados), ou seja, padronizá-los e retornar a volatilidade padronizada.
A proposta de decompor um processo complexo nas suas partes constituintes é muito razoável. É assim que se faz. Mas você não tem constituintes suficientes. Há muitos parâmetros de mercado, incluindo os derivados, que podem ser adicionados ao estudo. Você tem uma ferramenta poderosa - o MO! Por que não tentar construir um sistema paramétrico coerente e lógico, no qual procurar padrões estatísticos com a ajuda do MO?
Inicialmente temos 3 parâmetros série tick, lance asc, tempo tick. Todos os outros parâmetros são derivados destes três. Desbaste, média. E de muitos.
Inicialmente temos 3 parâmetros de séries de carrapatos, lance asc, tempo de carrapato. Todos os outros parâmetros são derivados destes três. Desbaste, média. E de muitos.
Licite, pergunte, flipper, volumes de oferta e demanda em níveis, OI, sazonalidade, tempo de sessão e muito mais e derivados... você pode incluir parâmetros fundamentais como tempo de divulgação de notícias, significado das notícias, taxa de juros, comportamento de pares paralelos no mesmo momento... Se você vai usar MO, você deve usá-lo ao máximo. Como a canção "O meu pai e a minha mãe ensinaram-me... para explorar, então explore!"))
Os parâmetros externos fundamentais não foram considerados aqui, pois a tarefa de digitalizá-los ainda não foi resolvida, além da importância das notícias, que são super pequenas, a apresentação de outras propriedades e parâmetros de mercado não foi vista até agora, aparentemente há alguns em desenvolvimento em algum lugar, mas eles não estão em uso. A partir das notícias sobre o assunto. A IA terá em conta a inteligência sobre o estado do país inimigo e trabalhará as tácticas de acção. A tarefa de digitalizar dados sobre o estado da sociedade, o mercado, o país, é uma tarefa diferente.
Estamos apenas interessados em resolver um problema interessante, especialmente quando ele começa a ser resolvido.
Os parâmetros externos fundamentais não foram considerados aqui, pois a tarefa de digitalizá-los ainda não foi resolvida, além da importância das notícias, que são super pequenas, a apresentação de outras propriedades e parâmetros de mercado não foi vista até agora, aparentemente há alguns em desenvolvimento em algum lugar, mas eles não estão em uso. A partir das notícias sobre o assunto. A IA terá em conta a inteligência sobre o estado do país inimigo e trabalhará as tácticas de acção. A tarefa de digitalização de dados sobre o estado da sociedade, o mercado e o país é outra.
Como você determina quando um problema começa a ser resolvido?