Блог им. AlekseyManin

Машинное обучение и точка минимальных выплат по опционам.

В продолжение. После обучения нейронки по прогнозированию цены фьючерса на конец торговой сессии по точке минимальных выплат опционов, решил попробовать другие методы машинного обучения. Сделал без подбора параметров. Результат уступает нейронке (но нейронку я долго гонял и подбирал конфигурацию). 
Если кто-то может посоветовать подбор параметров, то напишите пожалуйста.
Также интересно как реализовать кросс валидацию на нейронке.

Ссылка Colab Notebook по машинному обучению:
drive.google.com/file/d/1SY3qrqMF7XD4WDqoDCfzFexLe4LXeNZZ/view?usp=sharing
★1
8 комментариев
Я может чего не понимаю, но вроде вы прогнозируете цену базового актива текущего дня по цене текущего дня опционов — зачем это нужно? Когда вы узнаете цену опционов, то будете знать цену базового актива — зачем ее прогнозировать?
avatar
Михаил, не совсем так. Идея состоит в том, чтобы спрогнозировать цену БА к закрытию торговой сессии исходя из текущей ситуации по открытому интересу по опционам колл и пут. Для этого используется история итогов торгов. В расширенном варианте прогнозировать можно не только цену закрытия, но хай с лоу БА (в исторических данных они есть). Вот тут встает вопрос как это можно применить. Мое видение — это создание опционной конструкции типа спред. Как пример: цена БА ушла к спрогнозированному лоу, открываем бычий спред, причем так, чтобы рост на 1 страйк давал больше прибыли, чем падение на 1 страйк. Примерно так, в общих чертах.
Алексей Манин, по большому счету не важно, на основе чего вы прогнозируете, но прогноз на основе признаков в момент времени T целевой переменной в момент времени T большого смысла не имеет. В момент получения информации о признаках вам прогноз никакой не нужен — вы уже будете значение целевой переменной.
avatar
Михаил, я ничего не понял, но поясню. В момент Т пытаюсь спрогнозировать цену на Т+.
Без предварительной обработки данных с целью повышения робастности никуда, но это приводит к определенным искажением. Кроме того нужно бороться с переобучением. Рынок это ближе к моделированию биологических систем на мой взгляд со своими нюансами.
Евгений Д., предварительная обработка данных осуществляется. Вы наверное просто не смотрели ссылку. А вот с переобучением у меня вопрос открытый. Ищу инфу, смотрю в сторону grid_search. У нейронки борьба с переобучением проще, простой drop помогает.
Алексей Манин, прошу прощения, действительно не смотрел. Важны фильтры обработки данных. Прогнозирование нестационарного процесса, защита алгоритмов принятий решений от манипуляций, учет внешних событий (если не адепт эффективного рынка). Насколько полезно опираться на точку минимальных выплат, зависит от рынка (его ликвидности). Все же наверно хорошо было бы как то использовать дополнительно свою экономическую модель.
Евгений Д., конечно хорошо бы использовать как можно больше всей экономической информации. Я скорее пытаюсь спрогнозировать алгоритмы манипуляций.

теги блога Алексей Манин

....все тэги



UPDONW
Новый дизайн