Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3587

 
Статья про использование ChatGPT для фундаментального анализа по заголовкам новостей.
 
Aleksey Nikolayev #:
Статья про использование ChatGPT для фундаментального анализа по заголовкам новостей.

Ну вроде не сильно хорошие результаты.

Все никак руки не доходят до "экономики обменных курсов". Там были какие-то полезные инсайты по поводу прогнозирования или больше общеобразовательная инфа?

 
Maxim Dmitrievsky #:

Ну вроде не сильно хорошие результаты.

Все никак руки не доходят до "экономики обменных курсов". Там были какие-то полезные инсайты по поводу прогнозирования или больше общеобразовательная инфа?

Скорее второе, теоретическая база для фундаментального анализа.

Имхо, подобные тексты интересны как отправная точка для осмысленного конструирования числовых признаков для запихивания фундамента в алгоритмы МО.

 
Aleksey Nikolayev #:

Скорее второе, теоретическая база для фундаментального анализа.

Имхо, подобные тексты интересны как отправная точка для осмысленного конструирования числовых признаков для запихивания фундамента в алгоритмы МО.

Имхо.. анализ фундаментала это анализ с запазадыванием,  те в моей парадигме ето анализ  SMA.  Рынком двигают реальные сделки, а фундаментал это далекие непрямые тригеры с непонятной силой и непонятным лагом.  Зачем аланлизировать это если есть цена? В общем мое мнение (которое никто не спрашивал) я не верю в успешное применение фундаментала
 
mytarmailS #:
Имхо.. анализ фундаментала это анализ с запазадыванием,  те в моей парадигме ето анализ  SMA.  Рынком двигают реальные сделки, а фундаментал это далекие непрямые тригеры с непонятной силой и непонятным лагом.  Зачем аланлизировать это если есть цена? В общем мое мнение (которое никто не спрашивал) я не верю в успешное применение фундаментала

Имхо, лучше их не противопоставлять, а пытаться осмысленно и с пользой сочетать. Фундаментальные данные и теории вокруг них - это же тоже какая-то информация о ценах. Имхо, лучше использовать эту информацию напрямую, чем надеяться на то что алгоритм МО сам вытащит её из цен.

Тоже не больше чем мнение. Ну и ещё с психологической точки зрения полезно для ощущения что отчасти понимаешь логику устройства рынка) Всяко лучше конспирологического бреда про рокфелеров-рептилоидов, мозги целее останутся)

 
Где-то давно видел сигнал, написано было что по фундаментальному анализу, руками. По одной сделке в месяц. Прирост был что-то в районе 10000% за несколько лет, все сделки в плюс.
 
Maxim Dmitrievsky #:
Где-то давно видел сигнал, написано было что по фундаментальному анализу, руками. По одной сделке в месяц. Прирост был что-то в районе 10000% за несколько лет, все сделки в плюс.
Сейчас таких вроде нет. Поискал в сигналах по слову "фундаментальный". Всего около 30 штук, больше половины в минусах, те что в плюсах с фактором восстановления около единицы. Относительно приличных два-три.
 
Aleksey Nikolayev #:
Сейчас таких вроде нет. Поискал в сигналах по слову "фундаментальный". Всего около 30 штук, больше половины в минусах, те что в плюсах с фактором восстановления около единицы. Относительно приличных два-три.
Да, тот был какой-то выдающийся, какая-то одна закономерность эксплуатировалась, видимо. Уже не вспомню.
 
Maxim Dmitrievsky #:

По мотивам

Ультимативная маст хэв ф-я, благодаря которой модель никогда не переобучается. Но и граальных бэктестов ждать не стоит.

Количество кластеров соответсвует кол-ву паттернов, на которые хотите разделить все примеры и посчитать среднюю метку для каждого кластера.

На вход подается размеченный датасет с признаками, на выходе выплевывается со скорректированными метками, которые предотвращают переобучение.

Развитие темы/вариации на тему. Можно регулировать количество кластеров, метки которых будут исправлены, а остальные останутся без изменения.

Это позволяет искать баланс между переобученностью и недообученностью.

Пример: если исправить метки для всех кластеров, то модель не будет переобучена, но график баланса часто будет как в этом посте.

Если исправлять метки разными способами, можно получить более гладкие кривые, которые проходят ООС.

Можно там же запромтить (переписать) для своего ЯП/задать вопросы по коду. По философии подхода можно задать мне :)

Машинное обучение в трейдинге: теория, модели, практика и алготорговля - Попробуйте разделять все признаки и посчитать среднюю метку для каждого кластера.
Машинное обучение в трейдинге: теория, модели, практика и алготорговля - Попробуйте разделять все признаки и посчитать среднюю метку для каждого кластера.
  • 2024.07.24
  • Maxim Dmitrievsky
  • www.mql5.com
Количество кластеров соответсвует кол-ву паттернов. на которые хотите разделить все примеры и посчитать среднюю метку для каждого кластера. Каждый что то типа временного ряда на 350-400 точек. Зеленый класс - нормализированый и выровняный по времени
 

Нашёл такой ресурс с собранными фундаментальными данными  https://ru.tradingeconomics.com .

Работает через свой API, но ключ мне не дают - не знаю причину - попробуйте, может Вам дадут, тогда черканите тут.

API тут запрашивать надо https://tradingeconomics.com/api/pricing.aspx?source=/api/