ML


Про AI и кибернетику в прогнозировании рынка

 

«Буржуазная печать широко разрекламировала новую науку — кибернетику. Эта модная лжетеория, выдвинутая группкой американских «учёных», претендует на решение всех стержневых научных проблем и на спасение человечества от всех социальных бедствий. Кибернетическое поветрие пошло по разнообразным отраслям знания: физиологии, психологии, социологии, психиатрии, лингвистике и др. По утверждению кибернетиков, поводом к созданию их лженауки послужило сходство между мозгом человека и современными сложными машинами.»

— Ярошевский М. Кибернетика — «наука» мракобесов. — Литературная газета. — 5 апреля 1952. — № 42(2915). — С. 4.

Самое поразительное, что американские ученые претендовали на применимость методов ко всему чему угодно кроме экономики, а наши дебилы отрицали применимость механистического подхода тоже ко всему чему угодно, кроме экономики. Это было 70 лет назад и сейчас повторяется то же самое. Куча дурачков пытается загрузить в AI минутные бары и родить волшебный алгоритм предсказания рынка. Тогда как крупнейшие американские корпорации, владеющие львиной долей прав и патентов по всем этим технологиям, даже собственные экономические процессы не отдают в управление AI и продолжают платить даже микро менеджерам, не говоря уже о предсказании трендов в глобальном масштабе. История таки реально ничему не учит.



Про AI и кибернетику в прогнозировании рынка




Вечер ML на SL: нейронка для RI

Пост навеян сообщением коллеги по опасному бизнесу, который бьётся с RF, ну я наконец-то допилил свою нейронку. Тренировалась она на 5-минутках в RI, картинка с результатом тренировок в настоящий момент получается следующая:
Вечер ML на SL: нейронка для RI
Если грубо, то каппа это показатель, который можно трактовать как преимущество прогнозной модели в сравнении с тупым рандомом. F1 это мера, которая определяет, насколько точна модель (отсутствие ложных предсказаний) и одновременно насколько она чувствительна (кол-во пропущенных мячей). Полученные по ним значения 0.924 и >0.9 соответственно, это совершенно запредельная точность «на бумаге».
Что касается confusion matrix, то её можно трактовать как соотношение предсказаний и реальных значений. Как видно, тут тоже всё вроде бы ок, ни один шорт как лонг не был классифицирован и наоборот.

Погонял сейчас на вечёрке, но, как и следовало ожидать, на реальных биржевых данных всё оказалось далеко не так радужно:

( Читать дальше )

Записался на обучение по Data Science.

Обычно человек ходит по колее, но иногда система сбоит и случаются «эмм, а чё я раньше не задумывался, что можно…» и «хм, а ведь можно попробовать сделать…». В такие моменты можно выскакивать за пределы колеи и переходить в новую более интересную, выходить из зоны болотного комфорта в зону воодушевляющего дискомфорта.


Всегда ходил по колее (вернее, замкнутому циклу): математика не моё, у меня много своих преимуществ, математик не в их числе, не всем дано. И к нему прицеплялось: машинное обучение, нейронные сети, статистика и тер.вер. требуют математики – ну, значит, тоже не мое, ну значит без этого. А тут че-то осенило: а какого хрена!? Кстати, тот случай когда реклама сподвигла (назойливая реклама курсов обучения по Data Science). Сначала отмахивался, а в какой-то момент подумал: а почему бы и нет? – Да, страшно, да лень, да не уверен, что получится, да долго, да нет уверенности, что поможет и т.д. Хорошо подумал, уверенным движением руки смахнул все эти иррациональные возражения и страхи со стола и записался на курс.

Так что скоро, надеюсь, например, не буду просто пролистывать посты уважаемого А.Г., а, возможно, буду извлекать смысл.

Кстати, уже только при прочтении программы курса словил пару инсайтов применительно к фин. рынкам.

Глаза загорелись. Будет интересно.


У Yandex есть интересная программа по Machine Learning для программистов

У Yandex есть интересная программа для ОПЫТНЫХ программистов

https://yandex.ru/promo/events/ml-residency

https://habr.com/ru/company/yandex/blog/446554/

Yandex:
Если вы опытный бэкендер и интересуетесь машинным обучением, мы будем рады с вами пообщаться. Наши эксперты по компьютерному зрению, обработке естественного языка, речевым технология и рекомендательным системам помогут вам окунуться в решение перспективных задач и развиваться 
в интересном направлении. 

Мы приглашаем бэкенд-разработчиков, которые уже приобрели достаточно опыта и точно знают, что в своих компетенциях им нужно сдвигаться в сторону ML, получить практические навыки — а не навыки учёного — в решении промышленных задач машинного обучения.

Ну что же, хорошая программа.

Но я хочу обратить внимание, что они ищут опытных прогеров.

Видимо, после их обучения огромного кол-ва желающих изучить Machine Learning, выясняется,

( Читать дальше )

Предсказание дивидендов

Долго пытался применить ML к предсказанию дивидендов, но получить результат лучше, чем у совсем базовой гипотезы, что все акции имеют одинаковую дивидендную доходность, равную средней по всей выборке, не получалось. Но все-таки после долгих раздумий удалось сформировать подход, объясняющий около 20% дисперсии. Несколько методов ML дают близкий результат, поэтому остановлюсь на наиболее простом с точки зрения количества подбираемых гиперпараметров — гребневой регрессии.

Ключевая задача на ближайшую перспективу переписать оптимизацию портфеля с учетом нового подхода к прогнозированию дивидендов. 

Предсказание дивидендов



....все тэги
UPDONW