<HELP> for explanation

Блог им. optionanalyser

Многопараметрическое сравнение ордеров

При выборе/создании лучших ордеров для входа/модификации позиции возникает задача их сравнения по нескольким параметрам.
Сами параметры могут выводиться из ТС (для опционов это могут быть даже греки )) ).
Эти параметры разнородны:
— оценивают различные классы характеристик
— имеют разную размерность.
В силу чего сведение их в одной фитнесс-функции может представляться задачей трудновыполнимой или имеющей неоднозначное решение.
 
Пример для СМЕ, расцвеченные столбцы — параметры
 
Однако, тип инвестора может определять значимость классов для оценки, а значит очередность их использования (параметры внутри классов по аналогии).
 
Пример выбора для случая Qty = 1 для всех инструментов

 
Алгоритмы селекции могут быть различными. При их выборе, имхо, определяющими могут оказать требования к мягкости, точности и т.д. отбора.
 
Возможные трудности:
— внутри класса может быть несколько разнородных параметров (достаточность набора, очередность применения, ...)
— слишком большое количество параметров может приводить к тому, что некоторые из них могут оказаться неиспользованными в силу фильтрации по предыдущим
— может потребоваться отсортировать отобранные (вариант решения: предельная фильтрация с нумерацией и последующим восстановлением до ограничений)
 
Вопросы:
— Какими еще методами может быть решена задача многопараметрического выбора?
— Каковы критерии полноты, непротиворечивости и т.д. параметров внутри одного класса в описанной методике?
 

если я все правильно понял, то по сути стоит задача классификации. Если так, то добро пожаловать к методам дата-майнинга: я бы начал с баезовского классификатора и метода ближайших соседей.
avatar

at60hz

at60hz, поясните пжл на примере.
Допустим у нас есть 5 классов параметров и 10 параметров. Параметры как-то распределены по 5 классам, внутри класса они могут иметь произвольные ед. измерения.
Классифицировать по всем 10 параметрам-размерностям?
Если исходный набор ордеров меньше количества параметров или классов насколько валиден такой подход?
optionanalyser, можно классифицировать по всем параметрам. если смущает размерность, то ее можно попробовать уменьшить используя метод главных компонент. Размер набора ордеров в момент принятия решения роли не играет. А вот размер обучающего множества важен.
В целом то что я предлагаю может вам подойти, только при условии что вы можете обучить и классификатор и ближайших соседей. Т.е. на исторических данных постфактум вы можете разбить свои ордера на классы (как минимум на 2: хороший-плохой). К сожалению я не понял из постановки задачи, можете ли вы глядя в прошлое сказать, какой выбор был бы правильным в каждой конкретной ситуации?
at60hz, прошлое отсутствует, имхо
единственное, что может выступать в его роли — это текущие позиции
optionanalyser, если исходить из этого, тогда у вас нет вообще никакого критерия для выбора и искать методы выборки или классификации тоже бессмысленно.
at60hz, в рамках предложенного Вами подхода — возможно,
имхо, это может означать, что нужно найти другой.
optionanalyser, на самом деле, дело не столько в прошлом как таковом (тут привязки ко времени нет в принципе, все просто набор фактов), просто для вашей задачи так или иначе нужно получить механизм дающий веса атрибутам и производящим классификацию. Я все равно думаю вам стоит посмотреть на методы машинного обучения, уж очень задача похожа на их область.
at60hz, тут наши взгляды разняться.
Если Вы знакомы с опционами, то позволю себе проиллюстрировать на их примере. У позы/комбинации есть дельта, тета и вега. Разные ед. измерения (для разных ситуаций они могут отвечать даже за разные классы оценок), свести их в одной формуле через весовые коэф., наверное, возмножно.
Будет ли толк от смешения сладкого, желтого и гибкого да еще и через экспертные вес. коэф.?
Два основных варианта, или по множеству Парето отбираете варианты в пределах класса, потом между классами, или как уже сказали методом свертки, сначала в пределах класса, а потом между классами можно опять по Парето. Если бы еще была история, то основываясь на эмпирических распределениях параметров можно было выбирать.
avatar

AlexeyT

AlexeyT, поясните пжл в чем разница между предложенными Вами вариантами отбора?
В первом варианте выбирается один из параметров (и его важный критерий — минимизация или максимизация), и исходное множество сортируется по этому критерию, в дальнейшем все остальные варианты сравниваются с этим вариантом, явно худшие (по другим критериям) исключаются, и так продвигаемся дальше (можно раскрашивать цветами, например явно хуже, или явно лучше, позже исключать чуть менее оптимальные чем другие_.
Сложность в том, что у Вас очень много критериев, идеально их немного свернуть (произведением, делением, суммой или еще чем то), или наложить на них ограничения (больше или меньше), откинув сразу не оптимальные. и так далее, делая множество итерация придете к меньшему кол-ву критериев.
Во втором подходе, сворачиваете все или не все критерии в универсальный, это может быть как сумма, или произведенение или ср. геометрическая или ср. арифметическая, разумеется помня о размерности и физическом смысле критериев, и выбираете минимальный или максимальный.
Оптимально совместить эти два подхода, сначала сократив кол-во критериев (введя вместо них общий — единой размерности), а потом методом свертки исключать неоптимальные.
avatar

AlexeyT


Только зарегистрированные и авторизованные пользователи могут оставлять комментарии.

Залогиниться

Зарегистрироваться
....все тэги
Регистрация
UP