Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2495
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
Треш. Похоже тут и впрямь нейросети рулят. По крайней мере пара моих как раз на таком уровне...
ржали всем колхозом и заводской сменой (ога, все собрались) :-)
покажите сигнал старше года, который действительно работает по нейро-сетям
обычно только для красного словца упоминают "нейросети, глубокое обучения" и прочую заумь. А при рассмотрении - мартингейл, локи, сетки и простые MA. Сермяжная реальность - рулят простые алгоритмы и банальное разводилово
---
сколько ни смотрю ветку - вижу результат: только красивые (действительно очень неплохие) статьи и личное саморазвитие авторов
ржали всем колхозом и заводской сменой (ога, все собрались) :-)
покажите сигнал старше года, который действительно работает по нейро-сетям
обычно только для красного словца упоминают "нейросети, глубокое обучения" и прочую заумь. А при рассмотрении - мартингейл, локи, сетки и простые MA. Сермяжная реальность - рулят простые алгоритмы и банальное разводилово
---
сколько ни смотрю ветку - вижу результат: только красивые (действительно очень неплохие) статьи и личное саморазвитие авторов
Я не это имел в виду...
А про нейросети я выше писал, что стандарт это 55-56, в общем ни о чем.
Что касается моделей то дело не в них, а в том что ИИ это по сути апроксиматор ...
вот в том то и дело, что дело в моделях, которые создаются НА основе зависимостей найденных с пом. ИИ , -- и не от модели надо идти в НС, а из НС к модели -- работающей в конкретных текущих условиях... понятное дело, условия могут сменится...
я как подумала, что баланс на классическом отрезке AS, а дисбаланс на кейнсианском, - согласно Keyns'у -- уже поняла, что НС для определения этого факта глобально мне как бы уже и не важна...
(и апроксимация это лишь 1 из умений ИИ, + оптимизация, и др),
Evgeniy Ilin # :
Все что нужно находится в OHLC, остальные данные производные от них. Главное - гибкий алгоритм, который найдет способ преобразовать OHLC в те данные которые имеют больший вес, опять же это задача машины. Кроме того только OHLC одинаковы почти везде, если смотреть на тиковые объемы или что другое так все эти данные везде разные, как и спреды и прочее. Все что нужно есть на графике в терминале.
но если есть мощности для глубокого обучения, то, наверно, возможно и так... (я даже кривизну "прямой" вспомнила как находить, как в тумане, с пом. 1й и 2й производной, благодаря автору цитаты))
а если поскромнее, то можно и на feature importance прогнать выборку на текущий момент... потом переобучить, как кривая доходности начнёт выходить в горизонтальную плоскость...
но если изначально использовать реально значащие признаки (логичные! бухгалтерски и экономически), то машина сама разберётся, что двигает рынком в данный момент (т.е. от чего больше всего зависит driver в текущий момент)...
у Mihail Marchukajtes очень интересный/логичный подход и спасибо ему за объяснения про полином (тоже попытаюсь вспомнить)... просто человек в теме!... а если др. человек не знает и знать не хочет, как работает статистика прошлого (ещё НЕ модель!!) так, чтобы её, действительно, можно было разумно обработать для переноса в будущее (понятное дело с вероятностью 50/50) -- то и обвинит и модель, и нейрон, и рынок, и условия... и кстати на смене последних как раз и можно ставить хорошие входы! - потому что схема функционирования любой экосистемы, вне зависимости от её структуры, всегда одинакова: Conditions -> Reactions ->Consequences (и даже environmental consequences)
Главное умение трейдера - знать, когда НЕ входить в рынок!.. имхо
P.S.
а уже выльются найденные текущие зависимости и их взаимодействия в Модель или нет - это уже более глобальный вопрос ... и никак не касается НС, а скорее апроксимирующих способностей мозга автора исследования выборки, используещего НС, как инструмент, но не как основания для входа , и не делегируя ему свою ответственность за анализ и Выводы
вот в том то и дело, что дело в моделях, которые создаются НА основе зависимостей найденных с пом. ИИ , -- и не от модели надо идти в НС, а из НС к модели -- работающей в конкретных текущих условиях... понятное дело, условия могут сменится...
я как подумала, что баланс на классическом отрезке AS, а дисбаланс на кейнсианском, - согласно Keyns'у -- уже поняла, что НС для определения этого факта глобально мне как бы уже и не важна...
(и апроксимация это лишь 1 из умений ИИ, + оптимизация, и др),
но если есть мощности для глубокого обучения, то, наверно, возможно и так... (я даже кривизну "прямой" вспомнила как находить, как в тумане, с пом. 1й и 2й производной, благодаря автору цитаты))
а если поскромнее, то можно и на feature importance прогнать выборку на текущий момент... потом переобучить, как кривая доходности начнёт выходить в горизонтальную плоскость...
но если изначально использовать реально значащие признаки (логичные! бухгалтерски и экономически), то машина сама разберётся, что двигает рынком в данный момент (т.е. от чего больше всего зависит driver)...
у Mihail Marchukajtes очень интересный/логичный подход и спасибо ему за объяснения про полином (тоже попытаюсь вспомнить)... просто человек в теме!... а если др. человек не знает и знать не хочет, как работает статистика прошлого (ещё НЕ модель!!) так, чтобы её, действительно, можно было разумно обработать для переноса в будущее (понятное дело с вероятностью 50/50) -- то и обвинит и модель, и нейрон, и рынок, и условия... и кстати на смене последних как раз и можно ставить хорошие входы! - потому что схема функционирования любой экосистемы, вне зависимости от её структуры, именно такая: Conditions -> Reactions ->Consequences (и даже environmental consequences)
Главное умение трейдера - знать, когда НЕ входить в рынок!.. имхо
P.S.
а уже выльется найденные текущие зависимости и их взаимодействия в Модель или нет - это уже более глобальный вопрос... и никак не касается НС, а скорее апроксимирующих способностей мозга автора исследования, используещего НС, как инструмент, но не делегируя ему всю ответственность за анализ и выводы
Почитайте документацию TensorFlow , там все в виде конструктора... практически. Правда это черные ящики. Если интересно могу дать посмотреть код перцептрона написанный вручную, и к стати там все сплошь матричные исчисления, на них все и построено
кстати tensorflow.keras (как у Evgeny Dyuka) - то
At the moment Keras doesn't provide any functionality to extract the feature importance
SKLearn кажется более интересным - Интерпретация результатов машинного обучения (может, библиотека и не очень, но логика оценки приведена)
p.s.
вы не приложили...
кстати tensorflow.keras (как у Evgeny Dyuka) - то
SKLearn кажется более интересным - Интерпретация результатов машинного обучения (может, библиотека и не очень, но логика оценки приведена)
p.s.
вы не приложили...
В какие то вы дебри лезете. Проблемы предсказания (вернее не предсказания) НС на гораздо более простом уровне и к самой НС отношения не имеют
https://neurohive.io/ru/tutorial/prostaja-nejronnaja-set-python/
Это простой перцептрон))).
Мой учебный пример в Юпитере, не хочу кусками копировать, а гитхабом не пользуюсь.
В какие то вы дебри лезете.
в логику ... того, что НС используется, когда надо обойти отсутствие формулы, описывающей зависимость признака от фактора... используется взвешивание... но при этом - до и после НС действует стандартная/классическая стат. обработка ... например имея лишь PDF=F'(X)=dF(x)/dx (хотя CDF нам как бы и не надо, т.к. все выводы по анализу совокупности делаются по PDF) и имея волатильные данные -- мне прежде всего надо привести распределения к единообразию для возможности их совместного анализа - и тут взвешивание в помощь (здесь не стремлюсь к математике)... но сам анализ к НС не имеет никакого отношения, как и выводы по нему к ней (нс)... хотя такая оценка, возможно, и грубовата, но классическая стат-ка тоже несовершенна (например, использование логорифмов приращений уже само по себе вносит трендовость в выводы - чисто математический дефект)... да и любая модель имеет свои Допущения...
участники рынка НЕ ждут предсказаний, а оценивают риск и волатильность и на основе этого принимают свои торговые (и хеджевые) решения... просто в этом анализе есть 2 вариабельных фактора -- волатильность и временное окно - и НС помогает привести выборки к единообразию (но можно и GARCH использовать) для возможности их совместного анализа в рамках одной стат. модели и помогает определиться с горизонтом... в те моменты, когда нет мат. формулы, да она и не нужна (всё в этом мире меняется)... а путём взвешивания, взвешивания и ещё раз взвешивания (ради сжатия до к-л регрессии) - для приведения к возможности совместного анализа в рамках одной стат модели, и желательно, вообще без зашумления или как минимум с его минимизацией...
логику Байесовский вывод для гауссиана ведь стоит иметь ввиду ...
главное, полагаю, такую архитектуру НС выстроить, чтобы при проходе нейронных слоёв на пути к выходу не увеличивалась дисперсия... имхо (зачем её накапливать, если она и так в наличии, как есть, - риторический вопрос)... а потом уже классическая логика статистики... и даже в очень глубокой истории нет достаточного количества сэмплов для качественного анализа робастных моментов (в жизни всё случается)... наверно, и в модели-классификации Mihail Marchukajtes могут случиться выбросы... (надо подумать, как секвенте с ними обходиться?)
пока что моё имхо такое ... посмотрю ещё import scipy.stats as stats
p.s.
за линк - спасибо
в логику ... того, что НС используется, когда надо обойти отсутствие формулы, описывающей зависимость признака от фактора... используется взвешивание... но при этом - до и после НС действует стандартная/классическая стат. обработка ... например имея лишь PDF=F'(X)=dF(x)/dx (хотя CDF нам как бы и не надо, т.к. все выводы по анализу совокупности делаются по PDF) и имея волатильные данные -- мне прежде всего надо привести распределения к единообразию для возможности их совместного анализа - и тут взвешивание в помощь (здесь не стремлюсь к математике)... но сам анализ к НС не имеет никакого отношения, как и выводы по нему к ней (нс)... хотя такая оценка, возможно, и грубовата, но классическая стат-ка тоже несовершенна (например, использование логорифмов приращений уже само по себе вносит трендовость в выводы - чисто математические дефект)... да и любая модель имеет свои Допущения...
участники рынка НЕ ждут предсказаний, а оценивают риск и волатильность и на основе этого принимают свои торговые (и хеджевые) решения... просто в этом анализе есть 2 вариабельных фактора -- волатильность и временное окно - и НС помогает привести выборки к единообразию (но можно и GARCH использовать) для возможности их совместного анализа в рамках одной стат. модели и помогает определиться с горизонтом... в те моменты, когда нет мат. формулы, да она и не нужна (всё в этом мире меняется)... а путём взвешивания, взвешивания и ещё раз взвешивания - для приведения к возможности совместного анализа в рамках одной стат модели, и желательно, вообще без зашумления или как минимум с его минимизацией...
главное, полагаю, такую архитектуру НС выстроить, чтобы при проходе нейронных слоёв на пути к выходу не увеличивалась дисперсия... имхо (зачем её накапливать, если она и так в наличии, как есть - риторический вопрос)... а потом уже классическая логика статистики... и даже в очень глубокой истории нет достаточного количества сэмплов для качественного анализа робастных моментов (в жизни всё случается)
пока что моё имхо такое ... посмотрю ещё import scipy.stats as stats
p.s.
за линк - спасибо
Когда начнется практическое применение?
когда свою задницу отдерёте от стула и начнёте применять... а не терроризировать всю ветку (в который раз) домогаясь сигналов для сделки... - моя торговля - не ваша торговля!.. ваша практика - не моя головная боль... - применяйте, как хотите и как видите
когда свою задницу отдерёте от стула и начнёте применять... а не терроризировать всю ветку (в который раз) домогаясь сигналов для сделки... - моя торговля - не ваша торговля!.. ваша практика - не моя головная боль... - применяйте, как хотите и как видите