Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1528
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
там выше писал, что можно применять и к прогнозированию ВР. Но волатильность всегда спрогнозировать проще чем исходный ВР, потому они на опционах сидят
ну про волу мы общались в ЛС - там есть повторы, хоть что то регулярно повторяется!
а про прогнозы, меня Савватеев "выбил из колеи", в недавних видео он в открытую так и сказал - прогнозировать ВР бессмысленно.... гад в общем он, убил на корню все мечты! ))))
там выше писал, что можно применять и к прогнозированию ВР. Но волатильность всегда спрогнозировать проще чем исходный ВР, потому они на опционах сидят
И как спрогнозировать волотильность???
ну про волу мы общались в ЛС - там есть повторы, хоть что то регулярно повторяется!
а про прогнозы, меня Савватеев "выбил из колеи", в недавних видео он в открытую так и сказал - прогнозировать ВР бессмысленно.... гад в общем он, убил на корню все мечты! ))))
Да, у него грамотная серия видосов по ТИ
И как спрогнозировать волотильность???
по моему только от обратного - был всплеск волы, потом не будет некоторое время, но тут задача сведется к определению времени для оценки всплеска волатильности, по сути ТФ, где хотим оценить бОльшую скорость цены чем до этого события (всплеска волатильности)
Все несколько сложнее.. прогнозируется implied volatility при помощи уравнения Блэка-Шоулза или стох. уравнений типа Merton jump, а МО используется для подгонки параметров. Как дальше это торгуется точно не знаю, но если есть качественный прогноз то, думаю, не сложно
все что нужно для опцев это прогноз по воле
Вот есть материал из платной подписки. Для меня это сложновато, да и для любого, думаю :)
Торговаться это должно, по идее, в духе портфельной теории Марковица.
Согласен вполне, стохастические диффуры - весьма сложная наука. Всё несколько упрощается из-за:
1) Обычно используются только линейные стохастические диффуры, которые понять достаточно просто если понятны линейные обыкновенные диффуры.
2) Обычно от линейных стохастических диффуров переходят к регрессии.
Помнишь ты что-то писал про деревья в играх. Вот статейка про это, просто попалась на глаза. Вообще интересный алгоритм, вроде как.
https://medium.com/@pedrohbtp/ai-monte-carlo-tree-search-mcts-49607046b204
Помнишь ты что-то писал про деревья в играх. Вот статейка про это, просто попалась на глаза. Вообще интересный алгоритм, вроде как.
https://medium.com/@pedrohbtp/ai-monte-carlo-tree-search-mcts-49607046b204
на Хабре читал, что в крутых играх логика ботов не на НС построена, а чаще на дереве решений, потом гуглил, это оказался алгоритм Рете ( Вики ) - суть, это самообучающиеся системы на основе базы знаний, на этом алгоритме построена экспертная система CLIPS - в свободном доступе.
ЗЫ: Скачал пару книг по CLIPS, когда бы читать все это - материала много, а безнадега еще та )))) - проще сетку ордеров написать, чем и занимаюсь )))
на Хабре читал, что в крутых играх логика ботов не на НС построена, а чаще на дереве решений, потом гуглил, это оказался алгоритм Рете ( Вики ) - суть, это самообучающиеся системы на основе базы знаний, на этом алгоритме построена экспертная система CLIPS - в свободном доступе.
ЗЫ: Скачал пару книг по CLIPS, когда бы читать все это - материала много, а безнадега еще та )))) - проще сетку ордеров написать, чем и занимаюсь )))
:D да эти извращения особо ни к чему и не приводят. Вчера читал еще про fuzzy time series, с примерами на синусоиде
с примерами на синусоиде
хм.... за мной следят? я хочу сетку но с нелинейным шагом, шаг хочу через полином найти, формулу полинома в оптимизаторе искать ( коэффициенты полинома в настройки )
))))
хм.... за мной следят? я хочу сетку но с нелинейным шагом, шаг хочу через полином найти, формулу полинома в оптимизаторе искать ( коэффициенты полинома в настройки )
))))
кстати, через нечеткую логику ТС вообще легко оптятся, самый простой и эффективный способ по моему.. в плане скорости и интерпретируемости результатов :) Можно хоть сетку заоптить хоть какую любую фигню
вот эти статьи оч. понравились как аппроксимировать кривые через нечеткую логику https://towardsdatascience.com/a-short-tutorial-on-fuzzy-time-series-part-iii-69445dff83fb