Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2465

[JeeyCi]

вот с памятью - далеко ходить не надо  (точнее без памяти - прогнали и забыли, промежуочные памятные data уже не важны на Output'e):

Monte Carlo  is a decision-making tool that assumes that every decision will have some impact on overall risk.

как используется метод Монте-Карла для оптимизации портфеля -
Сначала акциям задаются случайные веса, после чего производится расчет доходности и стандартного отклонения. Полученные значения сохраняются. Следующим шагом случайным образом меняются веса (главное не забывать, что их сумма должна составлять единицу) и все повторяется — расчет и сохранение полученного значения. Количество итераций зависит от времени, мощностей компьютера для расчета и рисков, который готов принять инвестор.

(хотя в Excel с Пакетом Анализа и поиска решений - наверно, ещё проще реализация - вопрос опять в модельке остаётся, а генетические и др. алгоритмы там в Поиске Решений задаются на выбор -- и вот он " метод тупого перебора" готов) ... правда для риск-менеджмента, и ещё не prediction of price movement

[JeeyCi]

после всех ответов приходится делать Срез выводов, т.к. пока что каждый высказывается о своём... (тема такая - не будет одного вывода - методов много - нет общего знаменателя)

как в дереве, про которое вспомнил elibrarius

Т.е. надо остановить деление, когда недообучение начинает переходить в переобучение. Это главная и самая трудная задача

[[Удален]]

JeeyCi #:

после всех ответов приходится делать Срез выводов, т.к. пока что каждый высказывается о своём... (тема такая - не будет одного вывода - методов много - нет общего знаменателя)

как в дереве, про которое вспомнил elibrarius

Это всё для казино, на Форексе все по-другому. Что ты можешь объяснить роботу? Когда синенькая будет выше красненькой, покупай. На этом все;)

[Fast235]

Vladimir Baskakov #:
Это всё для казино, на Форексе все по-другому. Что ты можешь объяснить роботу? Когда синенькая будет выше красненькой, покупай. На этом все;)

Владимир, у меня есть  с десяток уникальных позиций/состояний

[JeeyCi]

если полистать stackoverflow, то вырисовывается очень простая логика (как и в надстройке Поиск Решения в Excel):

0/ be honest and use the mean and scaling inferred from the training set -

1/ Neural network remembers what its learned through its weights and biases.

2/ Randomly initialize weights - вот это уже перекладывает ответственность на машину - ЧТО РАДУЕТ, а не разработчика

3/ train it with some patterns - on big data (и кстати big power of pc) - или регрессионная или логистическая моделька или др (стоит подумать и выбрать - много выбирать не приходится, т.к. выбрав линейную регрессию мы отнимем возможность оптимизатору поработать, так полагаю)

4/ ... вводим input и получаем результат от обученной машинки И ВСЁ

p.s. помнить Continuous vs Discrete artificial neural networks -- 1й, вероятно, интегральная функция, 2й - для определения флет/тренд, например...

и какой-никакой совет про fashionable

Recurrent neural networks have at various times been a fashionable method for various financial prediction applications, for example

p.p.s. чуть-чуть теории

In Bayesian networks the vertices and edges have meaning- The network structure itself gives you valuable information about conditional dependence between the variables. With Neural Networks the network structure does not tell you anything.

и библиотеки python (можно и R), если excel мало

(пока не умеющие ни читать, ни понимать всё ещё что-то мечтают объяснять своему роботу, потому что в казино не наигрались)

[JeeyCi]

JeeyCi #:
    ... но линейная регрессия смущает тем, что, насколько помню, цены нелинейны, а return линеен (если не наоборот?) 

НЕ наоборот, т.к.

Although the prices are not normalyl distributed, the price return in many cases has a normal distribution.

хоть логика и от обратного, но в совокупности с отдалённой памятью, подтверждается... (хоть и не часто имею дело с Quantitative Finance и Financial Researches)

[Maxim Dmitrievsky]

JeeyCi #:

НЕ наоборот, т.к.

хоть логика и от обратного, но в совокупности с отдалённой памятью, подтверждается... (хоть и не часто имею дело с Quantitative Finance и Financial Researches)

Здесь получается такая схема, вернее, их может быть две. 

1. Сначала определяется область поиска: эмпирически или на основе предположений, делаются стат. тесты. Затем подбирается алгоритм МО, который лучше подходит. Тогда модель получается осмысленной. 

2. Поиск стратегии через любой классификатор, анализ его внутренней структуры (feature importance, shap values и разные метрики). Можно автоматизировать, приблизившись к некоторому подобию ИИ. На выходе чёрный ящик, но в надежде, что критерии отбора работают.

Рекуррентные сети и байесовские методы, сами по себе, не продемонстрировали ни способность вытащить «память» из финансовых временных рядов, ни получить выводы о наиболее устойчивой модели на новых данных.

[Evgeny Dyuka]

Сделал работающее приложение к MT5, уже прям для конечного пользователя, ставится в два клика.
Нейросеть запускается на компе пользователя в файле exe (можно и без exe тогда скрипт Python).
Никаких внешних запросов, API, dll и прочего.
Прогнозы ввиде стандартного индикатора.

Подробнее здесь.

[Forester]

Сигнал покажите с прибыльной торговлей.
Без него ваше приложение просто еще одно из нескольких тысяч тут на маркете и в кодах.

[Evgeny Dyuka]

elibrarius #:
Сигнал покажите с прибыльной торговлей.
Без него ваше приложение просто еще одно из нескольких тысяч тут на маркете и в кодах.

Это не сигнал, это индикатор.