К обеду астролябия была продана интеллигентному слесарю за три рубля.
— Сама меряет, — сказал молодой человек, передавая астролябию покупателю, — было бы что мерять.
(И.Ильф, Е.Петров, Двенадцать стульев.)
Машинное обучение (МО) сейчас является очень популярной темой, и им не занимается только ленивый. В наличии масса готовых к употреблению библиотек — нейросети, леса-деревья, Байесы, и пр. и пр. Осваивается все это за пару недель и применяй — не хочу. Однако, результаты такого применения в трейдинге как правило нулевые или около того. Без толку, но, хотя-бы хорошо провели время,) узнали много нового и интересного.
Отрицательные результаты объясняюся тем, что методы МО — это не более чем математическое выражение или их набор формируемый в процессе обучения. При этом МО старается как можно точнее подогнать мат. выражение(я) под ответы представленные в обучающей выборке. Т.е., в принципе, методология МО ничем не отличается от банальной подгонки решения под имеющийся ответ. В студенческие годы, если что-то не сходилось, оч помогало умножить или разделить, скажем, на корень из Пи или корень из двух. Вот, и МО делает абсолютно тоже самое. И мы занимаемся тем же самым, когда подбираем параметры индикаторов, входов, тейков и стопов для получения от стратегии максимальной прибыли, и, надо сказать, с тем-же результатом — вся эта подгонка работает только на том отрезке, где мы подобрали, и никак на реальном рынке. К чести МО отметим, что методы МО гораздо лучше и эффективней чем мы занимаются подгонкой, и на интервале обучения получат классную ТС из практически всего, что вам придет в голову. Только реально работать это не будет.(
Таким образом, для типовых методов построения торговых систем применение МО не дает и не может дать ровным счетом ничего, и применение МО в подобных системах не имеет смысла. Можно не дергаться, такие задачи МО не решает.
Ну, и выводы:
МО следует применять для задач, имеющих решения, которые можно получить подгонкой под ответ. Для решения других задач методы МО не предназначены.
Такие задачи и следует искать для применения МО при разработке ТС. И если вы их найдете, это может сэкономить вам массу времени и сил. Подобных задач, кстати, великое множество, но с этим лучше обратиться к специальной литературе.
Доклад Питерский политех.
а) должна существовать
б) данные должны быть соответствующим образом подготовлены
То есть основной задачей МО является, вообще, правильная подготовка исходных данных. Отсюда и, собственно, «нулевой результат»
Ну, и какой-то «правильной» подготовки тоже не существует, т.к. подготовка данных целиком определяется задачей. Есть только формальные требования к входным сигналам МО.
В принципе, это вопрос только терминологии. Во всех случаях у нас имеется готовая структура решения, и нам остается только подобрать, вычислить, подогнать ее параметры, чтобы результаты этой структуры максимально соответствовали имеющимся результатам. И во всех случаях результаты работы таких структур будут неудовлетворительны за пределами некоторого интервала.
Если бы «во всех случаях результаты работы таких структур будут неудовлетворительны за пределами некоторого интервала»©, то, в принципе, вся научная работа шла бы псу под хвост :)
В этом смысле МО не делает ничего нового, это просто автоматизация работы. Если Вы понимаете, что Вы ищете, можно попробовать поискать это с помощью нейросетей, генетических алгоритмов итд итп, почему нет. Если то, что Вы ищете, существует и ищете Вы там, где надо и то, что надо, успех, вполне возможно, и придет. В принципе, если того, что Вы ищете, нет — это тоже результат, хоть и отрицательный. Опять же, если Вы уверены, что искали Вы то, что надо и так, как надо.
И тут мы снова возвращаемся к мысли, неявно озвученной ранее: МО — это просто инструмент. Где-то он работает хорошо, где-то его применение бессмысленно (линию по двум точкам можно начертить и без этого), но это инструмент, а не грааль :)
Собственно, и пост сделан, чтобы показать, что МО не Грааль и делать его за вас не будет, а задачи для МО в трейдинге еще поискать надо. Одну из таких задач я показал в следующем посте — Применение Машинного обучения…