Тестирование модели на машинном обучении. Часть четвертая.

машинное обучение торговые роботы CatBoost

dmitrievskymax

Новосибирск

115

с 11 октября 2019

24 Комментария

Пафос Респектыч
24 октября 2019, 18:45
Пиши может сразу — получилось чё?

0
- Cristopher Robin
  24 октября 2019, 19:14
  Пафос Респектыч, для начала нужна теория, которая хотя бы обоснует почему может получится и главное при каких условиях. Иначе алхимия какая-то.
  0
  - Пафос Респектыч
    24 октября 2019, 22:35
    Cristopher Robin, да нам бы хотя бы субъективное мнение автора что что-то получилось, уже был бы прорыв )
    +1
    - Cristopher Robin
      24 октября 2019, 23:29
      Пафос Респектыч, пока что не доказано что автор существует
      +1
Replikant_mih
25 октября 2019, 08:00
Я мало видосов пока из этой серии посмотрел. Мои текущие мысли: модели любят «качественные» входящие признаки, если тупо подавать приращения — там заведомо в атомарных признаках очень мало изюма. Изюм во взаимодействии. Может конечно, мощные нейронные сети могут такое схавать и что-то выдать интересное, но более простые модели, думаю, ничего там особо не найдут. Думаю, надо понижать энтропию, подавая на вход более «качественные» признаки.
Ну т.е. если ты, допустим, подашь на вход выявленные тобой паттерны (0/1) — и как щас приращения — если паттерн качественный, любая модель быстро просечет что паттерн крутой, признак крутой и быстренько весами все обыграет. Но это другая крайность. Можно играть внутри. Подавать свечные комбинации, допустим. Допустим, из 3-х свечей. Или из двух. Тут уже считай мы из приращений и их направлений слепили какие-то паттерны — дальше пусть система с ними работает. Смещая ряды, можно выстраивать последовательности паттернов. Тут уже модели могут находить соль — работают ли какие-то отдельные такие паттерны сами по себе, или в последовательности, может быть и т.д.

Свечные паттерны можно собирать автоматически, думаю. Перебираешь все комбинации которые направлений приращений и цветов свечей в 3-свечных формациях — вот тебе и набор дамми-параметров.
+2
- Lagamail
  25 октября 2019, 09:39
  Replikant_mih, ту же мысль хотел автору написать.
  0
- dmitrievskymax
  25 октября 2019, 09:43
  Replikant_mih, тот же энтропийный анализ показывает, что если убрать кластеризацию волатильности из приращений — то это будет СБ
  
  Паттерны будут получаться случайными и не нести никакой полезной инфы на новых данных
  +1
  - Replikant_mih
    25 октября 2019, 10:31
    dmitrievskymax, первый абзац мне пока не понятен), второй — ок, но пока не отэкспериментирую это дело, не поверю))
    0
    - dmitrievskymax
      25 октября 2019, 10:59
      Replikant_mih, распределение приращений отличается от случайного толстыми хвостами (об этом почти все знают), толстые хвосты получаются из-за кластеризации волатильности. например, торги активнее идут в американскую и европейскую сессии, тогда волатильность выше, в остальные периоды ниже. Видно по объему торгов также. Если выровнять волатильность, т.е, гипотетически, сделать одинаковые объемы торгов все время, то рынок будет полностью случайным для наблюдателя (т.е. вообще без закономерностей, броуновское движение)
      0
      - Replikant_mih
        25 октября 2019, 11:33
        dmitrievskymax, Я так понимаю, стоит копать в противоположную сторону, если что-то вносит системность, надо не избавляться от него, а вычленять его. Той же кластеризацией.
        0
      - Lagamail
        25 октября 2019, 11:46
        dmitrievskymax, что-то тут не так с теорией, потому что вы можете привести любой ряд к постоянной волатильности путем ребалансировки, при этом Шарп и доходность прибыльной системы (сигнала) вырастет, что точно говорит о неслучайности сигнала.
        +1
        dmitrievskymax
        25 октября 2019, 16:30
        Lagamail, ребалансировки чего?
        +1
        Lagamail
        25 октября 2019, 19:44
        dmitrievskymax, ребалансировки приращений цены на нужную вам волатильность.
        +1
        dmitrievskymax
        25 октября 2019, 20:23
        Lagamail, а есть какая-то формула или ссылки на исследования? Пробовал гауссить приращения через Lambert-w преобразование, не очень много дало
        +1
        Lagamail
        25 октября 2019, 21:18
        dmitrievskymax, формулу написал Eugene Logunov, все с ребалансировкой просто, а с ее представлением нет.
        
        Вы как раз должны искать прибыльные модели на ряде приведенном к фиксированной волатильности.
        
        Сейчас вы выдираете куски с разной волатильностью и потом еще склеиваете их перемешивая, на таких данных что-то нормальное получить невозможно.
        
        Если нужно распишу подробнее почему так, и большие плюсы за ваши видео.
        0
        dmitrievskymax
        26 октября 2019, 06:19
        Lagamail, Попробую нормировать на волатильность, спасибо. Было бы интересно почитать мысли на этот счет
        +1
sis12qw
25 октября 2019, 09:21
По моему, зависимость цены от прошлых значений есть 100%. Просто это далеко не единственная зависимость и не самая сильная ))
0
CloseToAlgoTrading
25 октября 2019, 11:24
тоже в эту сторону копаю, и хотелось бы даже посмотреть, что у вас получилось… но 40 минут не осилил..
Не могли бы вы сделать может выжимки или ревью… минут на 5? ;)
0
- Replikant_mih
  25 октября 2019, 11:36
  Denis, ))
  Можно уже вводить в общечеловеческий обиход эту меру мотивации. Я замотивирован изучить эту предметную область на 5 минут. А я в 3 раза больше замотивирован — готов посмотреть 15-минутное видео),
  0
  - CloseToAlgoTrading
    25 октября 2019, 11:45
    Replikant_mih, :) согласен, уровень мотивации в минуту, кто то готов потратить 5 минут ктото 15… кто то 40… в итоге смотришь все урывками… читаешь по диагонали… да и знания такие же получаются ).
    0