Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1625

 
Rorschach:

Там говорят, были б данные все, посчитаем. Интересно, общедоступные данные подойдут, безработица, запасы нефти и прочее из календаря.

думаю нет.

 
Rorschach:


Ю.И. Журавлев. Математические методы прогнозирования

Спасибо, доклад интересный. Подобные подходы хорошо работают в моделях "игра человека с природой", о чём и говорится в начале доклада. Рынок, по большей части, это "игра людей". Отличие в характере неопределённости - в первом случае она "хорошая" - вероятностная, а во втором "плохая" - чисто игровая.

 
Это же очевидно что обладая достоверными данными можно достатотчно точно делать прогнозирование тех или иных явлений. Другое дело когда речь идёт о работе при не полной информативности. Когда ряд существенных данных просто не доступен или не известен на данный момент. Что в принципе то и происходит на рыках, когда каждый из участников действует в своём поле информативноти о той или иной котировке. Так.. мысли вслух..
 
Mihail Marchukajtes:
Это же очевидно что обладая достоверными данными можно достатотчно точно делать прогнозирование тех или иных явлений. Другое дело когда речь идёт о работе при не полной информативности. Когда ряд существенных данных просто не доступен или не известен на данный момент. Что в принципе то и происходит на рыках, когда каждый из участников действует в своём поле информативноти о той или иной котировке. Так.. мысли вслух..

Это верно, но есть ещё вариант банального критинизма, например когда датасет в 50 семплов)))

 
Кеша Рутов:

Это верно, но есть ещё вариант банального критинизма, например когда датасет в 50 семплов)))

Который описывает 2 месяца котировок исключая шум с которым вы тут все боритесь. Да, да... знаем... проходили :-)

Или нет, не то... А то что я Юра, да ведь???

Или нет. Давайте скормим сетке минутные данные чтоб она у нас на часах торговуала. тысячь так десять, а потом подумаем "Почему же у нас не работате???"

 
Aleksey Nikolayev:

Спасибо, доклад интересный. Подобные подходы хорошо работают в моделях "игра человека с природой", о чём и говорится в начале доклада. Рынок, по большей части, это "игра людей". Отличие в характере неопределённости - в первом случае она "хорошая" - вероятностная, а во втором "плохая" - чисто игровая.

Мне кажется что вероятность она и там и там вероятность...

Проблема в неправильном эксперименте над рынком когда извлекаются  експериментальные данные, проще говоря статистика сделок или чего то там..

Не учитывается фрактальная структура рынка, никто вообще об этом не думает, хоть это очевидно и многое обясняет

То что все делают , это как стоять у берега моря и мерять  обычной линейкой волны воды наивно полагая что следующая волна будет такого же размера в сантиметрах )) глупость..

 
Mihail Marchukajtes:
Который описывает 2 месяца котировок исключая шум с которым вы тут все боритесь. Да, да... знаем... проходили :-)

А..., ну если без шума, да ещё и потом долбануть "векторной машиной Решетова", тогда да, будет толк, главное фичей чтобы было побольше, чем больше отношение количества фичей к количеству семплов тем круче!

С не терпением ждем Ваш стрим!

 
Mihail Marchukajtes:

Или нет. Давайте скормим сетке минутные данные чтоб она у нас на часах торговуала. тысячь так десять, а потом подумаем "Почему же у нас не работате???"

Действительно, развелось сумасшедших, десять тысяч ещё цветочки, некоторые дятлы по миллиону точек пытаются присунуть! Есть же ещё тики и стаканы...

 
mytarmailS:

Мне кажется что вероятность она и там и там вероятность...

Неопределённость разная, а вероятность-то (там где она есть) - всегда вероятность)

В теории игр обычно пытаются свести игровую неопределённость к вероятностной. Например, посредством равновесия Нэша в смешанных стратегиях.

Для рынков основная проблема при переходе к вероятностным моделям - существенная нестационарность получающихся моделей. 

 
Кеша Рутов:

Действительно, развелось сумасшедших, десять тысяч ещё цветочки, некоторые дятлы по миллиону точек пытаются присунуть! Есть же ещё тики и стаканы...

Так и я про тоже. Многие забывают одно очень Важное фундаментальное правило. Если задачу можно решить без помощи НС то нужно так и сделать. Из этого правила следует вывод что мы пилим данные математически до тех пор пока нам позволяет это сделать математика, как только математика станвоится безсильной тогда уже применяем НС. Другими словами входные данные должны быть максимально отфильтрованны, сглаженны, нормированы и т.д. МАТЕМАТИЧЕСКИ на столько на сколько это позволяет математика в принципе, и уже только потом начинаем применять НС. А не так что напихаем в НС барахла и будем ждать у моря погоды. Не так дело не пойдёт. И например использую 50 входных векторов я уже откинул всю лишную чатсь рынка которая будет являтся шумом при обучении и используя такое количество входов получаю модель 90-95% качества обучения, при этом по времени это 2 месяца на М5. Что было бы подай я весь этот участок в сеть. Да ниче. Получил бы модель гораздо худшего качества не пригодную для использования. А участок как был в два месяца что в первом что во втором случае, так и остался. Но результат другой.