+
التداول مع المتجهات آلات (SVM) وأخيرا كل النجوم والانحياز ويمكنني تكريس ثقة بعض الوقت للعودة لاختبار أنظمة تجارية جديدة، والمتجهات آلات (SVM) هي لعبة جديدة والتي سوف يبقي لي مشغول لفترة من الوقت. SVMs هي أداة معروفة من مجال التعلم آلة تحت الإشراف. ويتم استخدامها على حد سواء لتصنيف والانحدار. لمزيد من المعلومات الرجوع إلى الأدب. يبدو لي أن التطبيق الأكثر بديهية للتداول هو الانحدار، بحيث يتيح بدء من خلال بناء نموذج الانحدار SVM. وبعد تجربتنا مع نماذج ARMA + GARCH، سنبدأ من خلال محاولة للتنبؤ العوائد، بدلا من الأسعار. وبالمثل، في أول تجاربنا، سوف نستخدم فقط العوائد من 5 أيام السابقة والملامح تحديد عودة يوم معين. سنبدأ مع التاريخ 500 يوم على أنها مجموعة التدريب. في مزيد من المصطلحات الرياضية، لمجموعة التدريب لدينا ميزات N، لكل منهم لدينا عينات M. لدينا أيضا ردود M. نظرا صف من القيم الميزة، مصفوفة اليسار، يتم تدريب SVM لإنتاج قيمة استجابة. في مثال محدد، لدينا خمسة أعمدة (ميزات)، كل عمود المقابلة ليعود مع فارق مختلفة (1-5). لدينا 500 عينة والردود المقابلة. مرة واحدة يتم تدريب SVM في هذه المجموعة، يمكننا أن نبدأ يمدها مجموعات من خمس ميزات الموافق العوائد خلال الأيام الخمسة الماضية، وسوف SVM تزويدنا ردا على ذلك، وهو العائد المتوقع. على سبيل المثال، بعد تدريب SVM على 500 الأيام السابقة، سوف نستخدم يعود لأيام 500، 499، 498، 497 و 496 (هذه هي لنا كإدخال للحصول على العائد المتوقع لليوم 501. من كل الحزم المتوفرة في R، قررت أن اختيار الحزمة e1071. وكان الخيار الثاني بالقرب حزمة kernlab، التي ما زلت تخطط لمحاولة في المستقبل. ثم حاولت بعض الاستراتيجيات. أولا حاولت شيء مشابه جدا لARMA + GARCH مقاربة العوائد تخلفت من الأيام الخمسة السابقة. وفوجئت جدا أن نرى هذه الاستراتيجية أداء أفضل من ARMA + GARCH (وهذا هو أرض الوطن من ARMA + GARCH وأنا يكن سعيدا جدا فقط مع أداء يضاهي)! بعد ذلك، حاولت أن نفس السمات الخمس، ولكن في محاولة لاختيار أفضل فرعية. وقد تم اختيار باستخدام نهج الجشع، بدءا 0 ميزات، وبشكل تفاعلي إضافة ميزة مما يقلل من الخطأ أفضل. تحسن هذا النهج أشياء أخرى. أخيرا، حاولت نهجا مختلفا مع نحو عشرة الميزات. وتشمل الميزات العوائد على فترة زمنية مختلفة (1 أيام، 2 أيام، 5 أيام، الخ)، وبعض الإحصاءات (الوسط الحسابي والوسيط، والتنمية المستدامة، الخ) والحجم. لقد استخدمت نهج الجشع نفسه لتحديد الميزات. وأظهر هذا النظام النهائي أداء جيدا للغاية أيضا، ولكنها أخذت جحيم من الوقت لتشغيل. حان الوقت لوضع حد لهذا المنصب، والنتائج اختبار مرة أخرى يجب أن تنتظر. حتى ذلك الحين يمكن أن تقوم به مع كامل شفرة المصدر نفسك. هنا هو مثال على استخدامه: تم التداول منهجية البحث استراتيجيتي الصوت؟ أنا بناء الأعمال التجارية حسابي. وسأكون ممتنا لالتعليقات والآراء على علم تداول منهجية البحث استراتيجيتي. تطوير استراتيجيات التداول (مربحة!) مؤتمتة بالكامل خلال اليوم. أنا مع التركيز على FX العقود الآجلة ومؤشر الأسهم الآجلة في بورصة شيكاغو للسلع وLIFFE. بيكوس: أنا أعرف هذه الأسواق أفضل يمكنني الحصول مرات ذهابا وإيابا من 10S مللي هامش العقود الآجلة يعني النفوذ الكبير لحسابي صغير أنا أشتري في المستوى 1 tickdata من التبادلات. أنا لا أعتقد أن البيانات على مستوى 2 إضافة أي شيء لأنني متعود يكون الكمون المنخفض كافية للاستفادة من ذلك. قد يكون للعقد نموذجي نقاط البيانات 1M في اليوم الواحد. استراتيجية البحث لدي تحيز نحو تعلم آلة على وجه التحديد SVM / R. خطتي غني عن مثل هذا اختر الأفق الصك وتوقعات (5-120 ثانية) الجمعية مستقرة كبير من الميزات مثل الوصله تخلفت السلاسل الزمنية والعائدات المويجات تحويل ما سبق تدابير الكون المعلومات بعض المؤشرات من مشغلي على غير متجانسة السلاسل الزمنية (وهذا هو 11 سنة الآن، ولكن أنا لم أرى أي شيء أن يوسع مجدية على ذلك) إذا كان يمكن الاستمرار على القيء مؤشرات بعض 'التحليل الفني التقليدي " اختيار مجموعة فرعية من الميزات مع البحث الجيني. دالة الهدف هي MSE للن أضعاف التحقق من صحة SVM عبر بناء SVM النهائي مع أفضل اختيار المعلمة. نأمل أن أعلى التوقعات الثقة تشكل أساسا لاستراتيجية تداول مربحة في تجربتك هل تعتقد أن استراتيجية وضعت مثل هذا الأمل لكسب المال على مؤشر الأسهم والعقود الآجلة FX السائلة؟ إن لم يكن لماذا لا؟