Бесплатные лекции от Стэнфордского университета - страница 8
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Вас случайно не Виктор Михайлович зовут?
В профиле.
Учил когда-то ТА. В МЭСИ эконометрике и мат.статистике учат по-моему три кафедры, я не учил. Мат.методы, приносящие прибыль мне не известны. Мат.методы, которые в квалифицированных руках могут принести прибыль мне известны, много раз назывались. С оглавлениями, списками книг. Мат пакетами .... Берете EViews или R, если не хотите гуглить или смотреть мой профиль. Но это все инструмент, как список индикаторов.
Грааля у меня нет. У меня есть мое личное умение по использованию ТА и мат.статистики. Этому умению я учить никого не буду.
Думаю, что ответил исчерпывающе.
В профиле.
Учил когда-то ТА. В МЭСИ эконометрике и мат.статистике учат по-моему три кафедры, я не учил. Мат.методы, приносящие прибыль мне не известны. Мат.методы, которые в квалифицированных руках могут принести прибыль мне известны, много раз назывались. С оглавлениями, списками книг. Мат пакетами .... Берете EViews или R, если не хотите гуглить или смотреть мой профиль. Но это все инструмент, как список индикаторов.
Грааля у меня нет. У меня есть мое личное умение по использованию ТА и мат.статистики. Этому умению я учить никого не буду.
Думаю, что ответил исчерпывающе.
Сначала говорите "ТА - это для буратин, чтобы они с важным видом сливали депо". А сейчас "У меня есть мое личное умение по использованию ТА и мат.статистики. Этому умению я учить никого не буду."
Ну ладно. Чего придёргиваться к словам. Вот моё личное мнение о нейронных сетях. Я начал их изучение в 2006 году, пытаясь применить их на рынке. И за 6 лет пришёл к выводу что сети сами по себе не так важны как подготовка входных данных. Причём входные данные должны преобразовыватья тем же ТА что бы уменьшить их размерность и внести инвариантность к искажениям по оси времени и цене. Причём мы должны уже заранее знать что мы хотим от сети, какую систему входов и выходов она должна воплотить. Например, если хотим чтобы сеть торговала на отбои/пробои уровней поддержи/сопротивления, то и вхдоные данные должны быть представлены соответствующим образом. Но после сбора необходимой входной информации для сети, чтобы её потом обучить и она за нас принимала решения, сама надобность в сети отпадает так как мы уже знаем как входить и выходить. Попытка напихать на входы сети цены, надеясь что сеть сама их преобразует и разберётся как использовать, ведёт к плачевному результату.
Тогда встаёт вопрос: а нужны ли сети вообще и стоит ли их изучать? У каждого свой ответ. Например, я не считаю что зря потратил время на обучение сетей. Они мне пригодились по работе. К тому же, наш мозг это та же нейронная сеть. Так что отрицать её полезность в трейдинге это так же как отрицать полезность мозга. Тут проблема в том что мы до сих пор не понимаем как наш мозг берёт тот же ценовой ряд, соредотачивается на важных моментах, абстрагируясь от деталей, и принимает решение. Простой нейронной сетью из учебника такое поведение не смоделируешь. Даже если бы нам удалось смоделировать такое поведение, скорость обучения и работы такой "биологической" сети будет намного медленнее нашего мозга и неприменимой к трейдингу.
Сначала говорите "ТА - это для буратин, чтобы они с важным видом сливали депо". А сейчас "У меня есть мое личное умение по использованию ТА и мат.статистики. Этому умению я учить никого не буду."
.....Мат.методы, приносящие прибыль мне не известны. Мат.методы, которые в квалифицированных руках могут принести прибыль мне известны, много раз назывались......
Тут проблема в том что мы до сих пор не понимаем как наш мозг берёт тот же ценовой ряд, соредотачивается на важных моментах, абстрагируясь от деталей, и принимает решение.
как то так...
Формирование гипотезы
Поиск и сбор данных
Подготовка данных (фильтрация,преобразования)
Выбор модели, подбор параметров модели и алгоритма обучения
Обучение модели (автоматический поиск остальных параметров модели)
Анализ качества обучения
Анализ выявленных закономерностей
все это называется Data Mining...
зы.сеть крупица в этой машине(если используется)...на счет правильно приготовленных данных обсалютно согласен..если данные нормальные то достаточно простой линейной регрессии...к чему и стоит стремиться...
Сначала говорите "ТА - это для буратин, чтобы они с важным видом сливали депо". А сейчас "У меня есть мое личное умение по использованию ТА и мат.статистики. Этому умению я учить никого не буду."
Ну ладно. Чего придёргиваться к словам. Вот моё личное мнение о нейронных сетях. Я начал их изучение в 2006 году, пытаясь применить их на рынке. И за 6 лет пришёл к выводу что сети сами по себе не так важны как подготовка входных данных. Причём входные данные должны преобразовыватья тем же ТА что бы уменьшить их размерность и внести инвариантность к искажениям по оси времени и цене. Причём мы должны уже заранее знать что мы хотим от сети, какую систему входов и выходов она должна воплотить. Например, если хотим чтобы сеть торговала на отбои/пробои уровней поддержи/сопротивления, то и вхдоные данные должны быть представлены соответствующим образом. Но после сбора необходимой входной информации для сети, чтобы её потом обучить и она за нас принимала решения, сама надобность в сети отпадает так как мы уже знаем как входить и выходить. Попытка напихать на входы сети цены, надеясь что сеть сама их преобразует и разберётся как использовать, ведёт к плачевному результату.
Тогда встаёт вопрос: а нужны ли сети вообще и стоит ли их изучать? У каждого свой ответ. Например, я не считаю что зря потратил время на обучение сетей. Они мне пригодились по работе. К тому же, наш мозг это та же нейронная сеть. Так что отрицать её полезность в трейдинге это так же как отрицать полезность мозга. Тут проблема в том что мы до сих пор не понимаем как наш мозг берёт тот же ценовой ряд, соредотачивается на важных моментах, абстрагируясь от деталей, и принимает решение. Простой нейронной сетью из учебника такое поведение не смоделируешь. Даже если бы нам удалось смоделировать такое поведение, скорость обучения и работы такой "биологической" сети будет намного медленнее нашего мозга и неприменимой к трейдингу.
По сетям только книжные знания.
В эконометрики ТС проходят как один из инструментов по классификации. Но для построения нормальной эконометрической модели классификации недостаточно, НС может быть частью модели, причем не самой важной. Моделирование начинается с изучения и освоения методов оценки. Не имея методов оценки нельзя проанализировать котир, нельзя оценить модель, которую мы построили на результатах анализа, нельзя оценить результаты применения модели. Ко всему перечисленному НС не имеют никакого отношения.
Ваш пост подтверждает мое недоумение. Вы сумели разобраться в очень не простой идее под названием НС, которая все-таки может применяться в трейдинге. Но почему-то не потратили ни минуты на изучение гораздо более простому понятию под названием регрессия. А понимание регрессий и умение их использовать кардинально изменило бы Ваше отношение к индикаторам в частности и ТА в целом. И на форуме бы появился еще один чел, который бы утверждал "ТА для буратин на поле чудес".
как то так...
Формирование гипотезы
Поиск и сбор данных
Подготовка данных (фильтрация,преобразования)
Выбор модели, подбор параметров модели и алгоритма обучения
Обучение модели (автоматический поиск остальных параметров модели)
Анализ качества обучения
Анализ выявленных закономерностей
все это называется Data Mining...
зы.сеть крупица в этой машине(если используется)...на счет правильно приготовленных данных обсалютно согласен..если данные нормальные то достаточно простой линейной регрессии...к чему и стоит стремиться...
Согласен что шаги по построению модели нам известны. Неизвестно пока как создать нейронную сеть воплощающую эти шаги. Может в далёком будущем научимся создавать такие нейронные сети. А пока одна нейронная сеть (мозг разработчика) делает всю важную подготовительную работу по обработке данных, выявлению закономерностей, выбору модели, и оптимизации этой модели, а другая сеть (в программе) делает только вычисления на основе предоставленных данных и структуры, данной ей разработчиком. Добавка самооптимизации весов в этой второй сети не делают её умнее, а только уменьшает ошибку моделирования.
Согласен что шаги по построению модели нам известны. Неизвестно пока как создать нейронную сеть воплощающую эти шаги. Может в далёком будущем научимся создавать такие нейронные сети. А пока одна нейронная сеть (мозг разработчика) делает всю важную подготовительную работу по обработке данных, выявлению закономерностей, выбору модели, и оптимизации этой модели, а другая сеть (в программе) делает только вычисления на основе предоставленных данных и структуры, данной ей разработчиком. Добавка самооптимизации весов в этой второй сети не делают её умнее, а только уменьшает ошибку моделирования.
можно сделать такую конструкцию...в готовых стат пакетах или нескольких...все сопроводить скриптами и макросами (то есть полностью автоматизировать)
один из вариантов -
Формирование гипотезы - берем любой рисующий индюк и треним сеть или га или пр на макс доходность
- получаем или ВР который даст макс дох или булевы (в виде сигналов)...в будущем можно и просто юзать целевую функцию
на макс доходность и пр если сетка или пр самописная и нормальная...
Поиск и сбор данных - качаем автоматом все что есть...
Подготовка данных (фильтрация,преобразования) - классификация,кластеризация,факторный анализ,выбеливание входов
тоже можно сделать частично сетью...можно обойтись готовыми алгоритмами...
(Это самый важный раздел и хитрые преобразования могут очень сильно улучший результат)
Выбор модели, подбор параметров модели и алгоритма обучения - проверяется несколько моделей по 1 ошибке обучения и выбирается наилучшая для имеющихся данных (в стат пакетах есть и такие уже готовые модули)...
Анализ выявленных закономерностей - тут можно просто в сеть загнать и посмотреть сразу по весам в % отношении или пр...
Такую конструкцию я бы наверно ближе всего отнес к иск интелекту - так как цель выбирается с начала самой же моделью и все на автомате от сырых данных до конечного реза...
В общем конечно все это очень трудоемко и малоэффективно...и что самое интересное на практике мало чем будет отличаться от оптимизации нормальных (хитрых) индюков (а) ТА на макс доходность или эконометрических заморочек ( если только в даных не промелькнет нормальный предиктор ))) так как все свойстав ВР в любом случае будут проникать в модель и запоминаться...со всеми вытикающими в будущем...
Так что пока Саныч будет бегать с эк линейкой и говорить что эконометрика - форева...более находчивые будут помалек рубить с ТА...с ретрейном на опред шаге (как один из вариантов) ловя продолжающуюся какое то время динамикку ВР и плюя на нестационарность)))...