ФР Н-волатильность - страница 9

 
Yurixx:

Я Нужно либо визуализировать ее как-то, чтобы описать логику принятия решений,


Иногда в визуализации помогает диаграмма Воронова, только надо понять что откладывать по оси X и Y. Вот пример с пояснениями, то что быстренько успел накопать в нэте.
Файлы:
doc.zip  631 kb
 
Yurixx:

Даже при не очень большом числе параметров фазовое пространство системы оказывается слишком многомерным для человеческого восприятия. Если подход правильный и избранные оценки дают возможность кластеризации фазового пространства, то расположение и форма кластеров может иметь очень сложную топологию. Нужно либо визуализировать ее как-то, чтобы описать логику принятия решений, либо в слепую ввести классы и критерии принадлежности. НС с этим, а также и с вероятностными оценками (как мы видим) справляется значительно лучше.


Если я правильно тебя понял, то исследователю необходимо предварительно подготовить входные данные для НС с целью добиться "кластеризации фазового пространства". В этом случае НС самостоятельно выделит "значимые" области в многомерном фазовом пространстве (ФП) входных параметров и их произвольных комбинаций, что позволит значительно уменьшить объём ФП, и как следствие, объём необходимых вычислений. Так?

А вот, что такое "вероятностные оценки" с которыми НС "справляется значительно лучше" я не понял.

 
Prival:
Иногда в визуализации помогает диаграмма Воронова, только надо понять что откладывать по оси X и Y. Вот пример с пояснениями, то что быстренько успел накопать в нэте.

Поправь, если я не о том. Диаграмма Воронова показывает оптимальные (в определённом смысле) границы разбиения пространства, на которых задаются граничные условия для данного класса дифференциальных уравнений. Тогда, каким боком это имеет отношение к обсуждаемой теме?
 

Neutron

Извини действительно к ФР Н-волатильность, это не имеет отношение. Это к НС, вернее к теории распознавания, диаграмма иногда помогает визуально представить классы и как их разбить.

Просто увидел вопрос, и постарался помочь.

 
Neutron:


Если я правильно тебя понял, то исследователю необходимо предварительно подготовить входные данные для НС с целью добиться "кластеризации фазового пространства". В этом случае НС самостоятельно выделит "значимые" области в многомерном фазовом пространстве (ФП) входных параметров и их произвольных комбинаций, что позволит значительно уменьшить объём ФП, и как следствие, объём необходимых вычислений. Так?

А вот, что такое "вероятностные оценки" с которыми НС "справляется значительно лучше" я не понял.


Кластеризация ФП - отдельная задача и она выполняется сетью Кохоненна. Это однослойная сеть, которая в процессе обучения (без учителя ! т.е. самообучения) производит кластеризацию ФП. Затем к этим данным подбирается ядерная функция, которая описывает распределение кластера. Потом строится вероятностная сеть, которая (насколько я понял) в простейшем варианте даже не требует обучения, а просто используя Байесовскую статистику считает вероятность того, что новый образец принадлежит конкретному кластеру. На выход выдается кластер-победитель. Это всего лишь максимально упрощенная схема.

Архитектура НС, способ подготовки входных данных и алгоритм обучения - три кита на которых все и базируется. Как видишь, каждый из трех компонентов включает нечто неформализуемое. Насколько я понимаю, именно это и наследует НС от своего создателя, что позволяет ей успешно работать. Ну а числа - веса и параметры функции активации, - это так, в качестве приложения. Голова ведь тоже есть у каждого, но одни ею думают, а другие в нее едят. :-)

 

Спасибо, Юра. Великолепно ответил!

Если не против, я задам вопрос об области применимости НС. Для примера, обращусь к своим баранам - Каги-построениям. Мы имеем порождающий Зиг-Заг (синяя линия) и линию транзакций (красная).

Из теории следует (диссер Пастухова), что поведение красной линии статдоставерно предсказуемо и оно (поведение) скорее всего, будет зигзагообразным с амплитудой S=(H-волатильность-2)*Н. Это и есть среднестатистическая доходность стратегии на репрезентативной выборке. К сожалению, оцененная величина, как правило, меньше спрэда. И это всё, что может нам дать в данном случае статистический метод анализа временного ряда.

С другой стороны, мы имеем порождающий Зиг-Заг, доход которого (практически реализовать нельзя) за фиксированный промежуток времени, является максимально возможным для данного шага разбиения Н, а доход, к примеру, с разбиением Н=спред, вообще является предельно возможным для любого ВР. Вот бы получить в руки инструмент, способный прогнозировать Зиг-Заг! Или, хотя бы доказать принципиальную возможность такого прогнозирования с доходностью выше той, что даёт статметод (S).

Правильно я понимаю, что задача в такой постановке пригодна для анализа с помощью НС?

P.S. Мне кажется, что прогнозирование эквидистантного Зиг-Зага (с единичным шагом) является оптимальным вариантом. Вопервых, мы игнорируем все движения цены меньше Н. Вовторых, мы избавляемся от размерности связанной с временной шкалой - она не нужна, ведь мы торгуем только изменение цены, а промежуток времени, в течении которого это изменение произошло, в первом приближении в доходность не входит.

 
Neutron:

Вот бы получить в руки инструмент, способный прогнозировать Зиг-Заг! Или, хотя бы доказать принципиальную возможность такого прогнозирования с доходностью выше той, что даёт статметод (S).

Правильно я понимаю, что задача в такой постановке пригодна для анализа с помощью НС?

P.S. Мне кажется, что прогнозирование эквидистантного Зиг-Зага (с единичным шагом) является оптимальным вариантом. Вопервых, мы игнорируем все движения цены меньше Н. Вовторых, мы избавляемся от размерности связанной с временной шкалой - она не нужна, ведь мы торгуем только изменение цены, а промежуток времени, в течении которого это изменение произошло, в первом приближении в доходность не входит.


Теоретически она, конечно, пригодна. Но практически ...

То немногое, что я прочел по сетям, изобилует рекомендациями начинающим: прогнозирование поведения цены неэффективно. И действительно, если подумать, откуда сеть вдруг узнает как будет двигаться цена в будущем. Только потому, что мы насовали в нее кучу нейронов и скормили кучу данных ? В этом вопросе я рационалист. Это знание из воздуха не берется и само по себе не рождается. Я ведь не зря писал о трех китах. А кроме этих китов, еще более важен источник, из которого они берутся - Замысел автора. Вот в этом замысле и должно быть представление о том, какие данные и в каком виде могут содержать существенную информацию о рынке, как они должны обрабатываться в сети, чтобы получить другие числа, из которых уже можно сделать содержательный вывод для принятия решения, и, наконец, как обучать сеть, чтобы она эти числа нащупала.

С этой точки зрения, имхо, задача в такой постановке хоть и пригодна для сети, но сложна и малоперспективна. Что тики, что зигзаг на них построенный, имеют весьма схожие распределения и прогнозировать зигзаг ни чуть не легче, чем саму цену.

Как мне кажется, ЗигЗаг действительно интересно использовать как вход сети, но как наиболее удобную форму представления ценовых паттернов. Вот те самые паттерны, ссылку на сайт с которыми ты мне приводил, могут быть очень интересным вариантом. Но при этом сеть будет не прогнозировать цену, а определять в каком состоянии рынок. Это немного другой подход. Для НС выдать статистический вывод вверх или вниз, значительно более реальная задача, чем прогнозировать движение. Но этот вариант тоже неплохо сочетается с ЗигЗагом. Так что перспективы есть, надо только постановку задачи делать так, чтобы она решалась.

 

Спасибо, Юра, за доходчивые разъяснения - теперь у меня в голове немного прояснилось.

Кстати, я настолько был уверен, что ФР линии транзакций (красная на предыдущем рисунке) имеет нормальное распределение, что даже не возникало желание изучать этот момент. Каково же было моё удивление, когда я увидел ЭТО:

Согласись, неожиданный результат... сравни с картинкой в первом посте этой ветки. Там приведена ФР для сторон Зиг-Зага.

 

Да, интересная картинка. Если я правильно понимаю, то это для каги-разбиения с параметром Н=10 ? Но определенная связь с картинкой из первого поста все же прослеживается.

Кстати, пришла в голову мысль. Думаю, что все-таки ты был прав по поводу перспективности использования НС для прогнозирования ЗигЗага. Только это должно быть не каги, а ренко-построение. В этом случае действительно возможна более-менее четкая формализация паттернов ЗигЗага, а следовательно и кластеризация пространства этих паттернов, и прогнозирование размеров сегмента вместе со статистической оценкой достоверности этого прогноза. Мне интересна твоя оценка этой мысли. Главное заключается в отличии каги от ренко. Для ренко я ясно представляю себе как можно формализовать паттерны и, следовательно, как сравнивать их между собой и как оценивать их близость. Для каги картина получается очень размытая и, значит, такая же процедура может не сработать.

С другой стороны я, априори, знаю - что верно для каги, будет верно и для ренко. А вот в обратном не уверен. Если обратное тоже верно, то мой крен в сторону ренко - заблуждение и НС можно с тем же успехом применять для прогноза размеров сегмента любого ЗигЗага, как ренко, так и каги.

Что скажешь ?

 

С одной стороны, Каги-построения определяют положение экстремума ВР с точностью до пункта (Ренко - до шага разбиения Н). С другой стороны, непонятно, нужна ли нам такая точность? В этом смысле Ренко выглядит более привлекательно из-за эквидистантного шага Н по ценовой шкале. Короче, вопрос требует изучения.

Что касается формализации задачи прогнозирования Зиг-Зага, то она мне видится как оценка вероятной амплитуды движения U цены (красный вектор) от точки окончания формирования текущего экстремума t=0, до точки ожидаемого экстремума t=1 (см. рис. ).

В такой постановке единственное, что нам нужно прогнозировать, это амплитуду движения вектора U, т.к. направление его уже предопределено! - совпадает с направлением вектора Н (зелёная сплошная стрелка). Размах, который дозволено принимать вектору U лежит в диапазоне от 0 пунктов до бесконечности (см. рис. справа). На ФР можно выделить наиболее вероятное значение амплитуды, которую принимает вектор U - 2 пункта, и среднее по ФР - чуть меньше Н. Кстати, если бы вероятное значение было бы больше спреда, то можно было бы говорить об положительной доходности стратегии. Это я к примеру о возможном применении ФР для анализа арбитражности ВР.

Конечно, на выход НС нужно подавать Зиг-Заг, а вот что подавать на вход... тоже Зиг-Заг сдвинутый на один шаг? Но, для анализа этой ситуации НС не нужна! Думаю, наша задача состоит в раннем обнаружении зарождающегося арбитража (см.рис.). Для этого уже нужно анализировать знакопреременность линии транзакций. Вот, только беда в том, что она состоит как правило из 1-2 реже 3-х изломов и к моменту идентификации рынок становится эффективным. Может, существуют косвенные признаки зарождения арбитражности, тогда задача их раннего обнаружения, классификации и постоянной модернизации как-раз по плечу для НС.

Что скажешь?

В инете прочитал:

Что лучше, статистические методы или нейронные сети? Лучшим ответом на этот сугубо практический для прикладника вопрос является “It depends”. По-русски это означает “Все зависит от ситуации”.

Главный практический вывод, который можно сделать, сводится к фразе, уже ставшей афоризмом: “Если ничего не помогает, попробуйте нейронные сети”.