3Qu
3Qu личный блог
12 декабря 2019, 19:33

Мода на Машинное Обучение.

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.




8 Комментариев
  • Слава Птицын
    12 декабря 2019, 19:37
    Машинное обучение — чистая подгонка под конкретные задачи. И вообще, весь этот ИИ не более, чем статистические машины, паразитирующие на  прошлом и не способные действовать в условиях неопределенности.

    Доклад Питерский политех.
  • PSH
    13 декабря 2019, 06:22
    Следует понимать, что все эти «методы машинного обучения» — это просто методы аппроксимации и интерполяции. Плюсы МО в том, что аппроксимировать и интерполировать можно функцию любого количества переменных. Минусы в том, что эта функция
    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»
      • PSH
        13 декабря 2019, 19:43
        3Qu, именно, извиняюсь, неверно сформулировал. Основной проблемой при решении задачи с использованием МО является адекватная задаче подготовка данных, так будет точнее. То есть причиной того, что большинство трейдеров «получают околонулевые результаты» при попытке использования МО, является не порочность самого МО, а проблема оператора, который не может внятно сформулировать, чего он хочет, и не совсем понимает, как интерпретировать результаты :)
  • PSH
    13 декабря 2019, 19:47
     Но я бы не стал называть аппроксимацию «подгонкой под ответ» :)
      • PSH
        13 декабря 2019, 23:16
        3Qu, аппроксимация — это не «подгонка под готовый ответ». Был бы «готовый ответ» — не возник бы фронт работ. При аппроксимации никакой «структуры решения» у Вас нет, а есть, например, массив данных с датчиков, и Вам требуется понять, есть ли какая-то зависимость этих данных от неких внешних (или заложенных в самих данных) факторов и, если есть, то какая (если, конечно, Вы не лабораторную работу по физике делаете на 2 курсе института — там, понятно, «готовые решения» есть и перечислены в ПСС Ландау и Лившица :) )

        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 :)

Активные форумы
Что сейчас обсуждают

Старый дизайн
Старый
дизайн