Как стать автором
Обновить

Комментарии 49

А чем вызвано падение эффективности на второй половине периода тестирования алгоритма на РТС?
сама торговая стратегия простейшая, необходимо добавить управление рисками, и более раннее закрытие убыточных позиций.
Было бы интересно продолжение темы, в особености часть про дальнейшую коррекцию работы
НЛО прилетело и опубликовало эту надпись здесь
Да, Вы правы, при прогнозирования фин рядов исхожу из предположения, что текущая рыночная ситуация сохраниться, насколько знаю практически нереально спрогнозировать появление новых, резко возмущающих факторов. Грамотное управление капиталом и рисками позволяют сгладить этот недостаток.
НЛО прилетело и опубликовало эту надпись здесь
Про это, к сожалению, ничего не слышал, а какие результаты были и какие методы использовались?
Да, не получится нейросеть научить прогнозировать всякие кризисы, происшествия и т.п. Для этого уже нужен человек или система, которая будет учитывать множество факторов: удачные сделки компаний, судебные решения, новые открытия и т.п…
Один из способов не проигрывать из-за внезапных кризисов/катастроф — «играть не на все».
Представьте, что у нас есть система, позволяющая достигать доходность 100% с вероятностью 90% или терять всю сумму с оставшейся вероятностью 10%. В таких условиях можно хорошо зарабатывать, если всегда оставлять резерв (мы обсуждали это подробнее тут). Правда, возникает другой вопрос — каким должен быть размер этого резерва. Ну и понятно, что жизнь нам не предоставляет таких чётких условий, как в задаче.
НЛО прилетело и опубликовало эту надпись здесь
При внутри дневной торговле, и так называемом «скальпинге», когда периоды прогнозирования менее 15 минут да, очень сложно войти в рынок по цене закрытия свечи или в приемлемых пределах. Но, если свечи дневные, в зависимости от объемов заявки можно достичь минимальной погрешности и максимально близко подобраться к цене закрытия.
НЛО прилетело и опубликовало эту надпись здесь
+1. Такая оценка просто не проходит, то есть в эксперименте зарабатываем миллиарды, а на практике сливаем. Даже оценка следующей свечей работает плохо. Хотя от интервала зависит, конечно.
+2. Кроме того, как учитывается спред? Видимо, никак? Да и вообще, хорошо бы в результатах выдать некоторый набор характеристик, хотя бы прибыль на сделку (сразу видно, можем мы в принципе бороться со спредом или нет) и средний интервал времени между сделками.
+3. Раз уж зашел разговор про характеристики, то что вообще изображено на рис. 10? Это прибыль 130 рублей? Или процентное увеличение капитала? Какой начальный капитал? Что по горизонтальной оси?

Вывод: результата нет, точнее, он не представлен как следует. Но логика пункта один говорит как раз о том, что это не взлетит. По крайней мере, обратное не доказано.

N.B. Пробовал подобный подход год назад, правда, использовал Reinforcement Learning. Не полетело, RI не содержит в себе достаточно информации о будущем, автокорреляции нет. Пробовали на секундных барах и на трейдах (то есть совсем на микроуровне). Есть зависимости между индексами на различных торговых площадках (РТС-ММВБ-Лондон-Америка-Токио), но их еще поди поищи. Я в прошлом году нашел одну такую, но пока писал стратегию, зависимость потеряла силу.

Автор — молодец, искренне желаю удачи, но помните, для того, чтобы эта штука реально заработала придется вложить еще очень и очень много.
Я вообще считаю, что не следует использовать только один метод прогнозирования, у каждого есть недостатки, нужно использовать только в комплексе группу методов, и все равно для меня решающее значение мой анализ ситуации.
В данный момент у меня нейронные сети используются только для прогноза направления движения следующей дневной свечи, а как открывать позицию, по какой цене, куда стопы выставлять уже решаю сам. Я их не запускаю в автоматическом режиме, поэтому проблема спреда, и как войти в рынок для меня особо остро не стоит.
А на рисунке 10 движение капитала, т.е изначально было 100 условных рублей, и показана динамика как он менялся.
И эта торговая стратегия совершенна груба и не подходит для реального использования, и приведена для примера.
«Условные рубли» — это как? Это такие новые условные единицы? =) От души порадовался =)
Если прибыль за несколько месяцев всего 20 «условных рублей», то какова же должна быть стоимость этого «условного рубля», чтобы такая штука деньги приносила?
И я правильно понял, что эксперимент проходит на одном лоте?
НЛО прилетело и опубликовало эту надпись здесь
Поясните плз переход от картинки 5 к картинке 6.
+1
Мне непонятно как получились картинки с 4 по 7
Я вообще на 3-й потерялся
Картинка #5 задает классификацию: разбиение приращений на группы 1-6.
Задача нейронной сети будет предсказать не точное значение приращения, а только группу.
Картинка #6 иллюстрирует применение этой классификации к входным данным:
6.верх — исходные приращения, 6.низ — классы/группы в которые они попали.

Как некоторое введение в алгоритмическую торговлю статья интересная, но автор, видимо, рассчитывает что все читатели хорошо знают основы нейронных сетей.
Да, спасибо, упустил этот момент, надо было чуть более подробно остановится на теории нейронных сетей и алгоритмов предобработки данных.
Достаточно просто подписать картинки.
А с другими методами предсказаний сравнивали?

В частности с самыми простыми. Например, что тренд завтра будет такой же как вчера. Или тренд завтра будет такого же знака как тренд вчера+позавчера с учетом величины отклонения? Или с «гусеницей»?

И что на рис.10 по оси Y отложено?
Хочу отдельную статью написать про сравнение различным методов прогнозирования.
А по оси Y там должны быть даты с 16.01.2012 по 17.04.2012.
Даты по Х — это понятно. А по Y? Эти знчения от 100 до 130 — это что?
простите, неправильно прочитал, по Х это динамика изменения капитала, т.е. изначально было 100 условных рублей, а дальше или рос или падал.
Получается стабилизировалось на 123 рублях. Причем заработок в основном на первом участке, когда был очевидный тренд. То есть такая стратегия особой пользы не принесет.

А сравнение напишите — интересно.
Эта стратегия плохо применима для использования в реальных условиях, и приведена только для примера, редко вообще кто использует только один метод прогнозирования, только в комплексе и жесткое управление рисками. Только это позволит в долгосрочной перспективе получать стабильный доход.
А откуда получали статистику?.. Я давно хотел побаловаться фин.анализом (не для бизнеса, а для души). Для дела я подсчитал, мои финансовые ресурсы не позволяют.
Так, а где реклама?
Вы уж простите меня за оффтоп, но не могу я искренне поверить в то, что действительно, здравомыслящий человек, может выбрать себе основным тип заработка торговлю на бирже. Слишком высоки риски. Каждый раз, когда публикуются статьи, в которых описываются наиболее точные системы прогнозирования рыночных котировок, у меня кровь из глаз течь начинает. Единственный случай, который хотелось бы исключить из виду, это случай Джорджа Сороса. А так, ну правда я не верю, что такой низкий уровень входа на этот рынок.
Хотелось бы отметить что, структура созданной сети действительно интересна с исследовательской точки зрения, но применение это выглядит, как искусным клинком колбасу резать.
Если к торговле на бирже талант и она приносит более или менее стабильный доход, то почему бы и нет? Другой вопрос, что это далеко не всем дано, даже если такая деятельность и интересна. Кроме прямой торговли есть варианты ПАММ-инвестирования и т.п. Хотя там все равно нужен анализ, но уже попроще.
Верно сказано, здравомыслящий человек будет работать на какой нибудь работе 6 дней в неделю по 8-9 часов, и у него не будет времени ни на свои проекты, ни на семью, ни даже на тупо погулять летним днем по городу, потому что деньги есть только у тех, кто много работает.
Каким образом у вас делятся имеющиеся данные на «обучающую выборку» и «тестовую выборку»?
Опять не могу разобраться.
Как я понял обучается множество нейросетей, на периодах с 1 по N-50. Потом выполняется проверка работы сети на периодах с N-50 по N.
Если это так, то что значит фраза «Через каждые 5 периодов коллекция пересоздается, в тестовое множество включается уже прогнозированные периоды»
Если же не так, просьба пояснить методику тестирования.
Длина обучающей выборки у индивидуальной нейросети разная. Например, обучается с N-250 по N элементов, тестируется на промежутке с N-50 по N, если на этом промежутке нейросеть показала более 70% правильно спрогнозированных элементов, то она в включается в состав коллекции. Далее коллекция нейросетей прогнозирует элементы с N по N+5. После этого она уничтожается и создается новая коллекция и уже спрогнозированные элементы ( с N по N+5) включаются в обучающую и тестовую выборку, для обучения и проверки новых нейросетей.
Вот мы получили коллекцию. Но по описанию выходит что нейросети прогнозируют только направление. Как тогда получаются элементы с N по N+5.
До каких пор мы делаем этот прогноз на 5 элементов вперед?
мы каждый раз делаем прогноз на следующий период, и так 5 периодов, а потом, коллекция уничтожается и создается новая, можно каждый период создавать новую коллекцию, для тестирования это было накладно, т.к. время создания коллекции достаточно большое — обучаются множество нейросетей с разными параметры, и лишь лучшие попадают в коллекцию.
Вот на 10 графике показан результат работы. Как я понял из описания там используется прогноз только на 1 период вперед.
Тогда в чем цель этого продвижения на 5 периодов и пересоздания сети и до каких пор оно происходит?
выходных нейронов 6 или 1?
На выходе 1 нейрон
Почему вы рассматриваете отношение цены к предыдущей? Почему не разность?
Я не автор, но отвечу :-) Потому что отношение заведомо лежит в интервале 0..1, что уже можно подавать на вход сети, а в случае с разностью встаёт проблема как её нормировать. Т.е. тоже можно, но гораздо сложней, муторней, с кучей спрятанных граблей и в общем — то не нужно :)
Автор разбивает отношения на классы, а на вход сети подает номера классов. Так же он мог разбивать приращения на классы по частоте повторения.
точность прогноза получилась немного выше.
Я конечно сильно извиняюсь, но хотел бы поинтересоваться, что это за работа (диплом, курсовая, фриланс)? Просто это практически полная копия (за исключением отдельных моментов — метод обучения сети и количество свободных параметров) одного из моих дипломов, который я защитил полтора года назад в МИФИ.
«Но, т.к. изначально процентные приращения имеют гауссово распределение» — утверждение требует проверки, самая простая из которых — посчитать эксцесс и куртозис выборки, сравнив полученный результат с соответствующими моментами нормального распределения. В период высокой волатильности Гаусс не работает.
Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.