Блог им. facevalue

Deep Learning

Толковая базовая статья по теме. Для алгошников.

proglib.io/p/trade-learning/
★11
22 комментария
Спасибо за статью, она действительно очень вводная
предлагаю почитать еще эту
И книгу Саттон, Барто «Обучение с подкреплением»

Если есть еще ссылки у кого-нибудь по применению RL в трейдинге — плз скиньте
avatar
Все пишут одно и тоже. Стараются прогнозировать прибыльные или убыточные сделки. Прибыль и убыток — имеет большую долю случайности. По сути — это попытка предсказать белый шум. Может, конечно, такое у кого-то и получалось. Но мне ни один метод ML и DL не давал даже 55% угадайки на ОБУЧАЮЩЕЙ выборке размером в 40-50К, про тестовую вообще даже говорить не приходится. Сама цель прогнозировать единичный исход не самая правильная. 
avatar
Alex Hurko, похоже, что предсказать белый шум не получается только у вас
avatar
Fillio, я этого не исключаю. Если у вас есть такой опыт, то может поделитесь? Какие алгоритмы использовали, какие результаты на обучающей и тестовых выборках?
avatar
Alex Hurko, возврат к 0 среднему, 100% инфа )) результат всегда один — 0 ))) с определенной вероятностью, в зависимости от плотности рапределения
avatar
Fillio, 0 — это с учетом комиссии?
avatar
Alex Hurko, Я тестировал одну DL идею с продвинутым программистом, и там подход был совсем иным, чем классический взгляд на рынок. Получалось все достаточно неплохо, пока чел не ушел в многоизвестный Deep Mind. Фактом является то, что 101% специалистов в этой области бессребренники, им хавает их зарплат по 15-20 тысяч евро + мегасоцпакеты, технопарки и т.п. Поэтому DL еще даже в разных Голдманах и Морганах не реализован толком. Потому что нет особой необходимости у тех, кто может себе позволить этих специалистов, а у других нет мотивации кроме как деньгами (что не работает с DL и ML специалистами).
avatar
При этом распознавание паттернов даже совсем базовыми неоптимизированными алгоритмами идет с успехом 80% на тестовой выборке.
avatar
 Даже мем есть. Как раз про прогнозирование прибыльных/убыточных сделок подходит. 

avatar
Alex Hurko, нейросети это позапрошлый век, они необучаемы или плохо обучаемы. Они заточены на поиск и попытку предсказания, а не обучение. Это разные вещи.
avatar
вода ведь, с картинками.
уже не в первый раз встречаю модель со средой и агентами. на деле просто для красоты. независимость агентов слабая и различие в типах тоже. 

как именно происходит «обучение с подкреплением» — не ясно. должно быть хотя бы банальное название алгоритма, а его нет.

вывод — красивая маркетинговая статья, в которой 90% времени объясняется банальности, что такое стакан и цена. а про «лёрнинг» — вкратце, типа и так понятно, ага.

avatar
ПBМ, Дело в том, что это мы такие «наблатыканные», что знаем всё. На хабре единицы знают что такое стакан. ) В остальном видно, что автор сам в начале пути в плане ML в трейдинге.
avatar
хотя вот нагуглил какой-то примерчик по такому обучению
habrahabr.ru/post/308094/
надо будет попробовать. действительно агент. действительно среда. более менее понятно.
avatar
Спасибо, интересно.
avatar
позабавило вот это: "Академическое сообщество Deep Learning в основном находится в стороне от финансовых рынков. В силу ли того, что у финансовой индустрии не лучшая репутация, что решаемые проблемы не кажутся слишком интересными для исследований, или же просто из-за того, что биржевые данные трудно и дорого получать."

а может быть потому что машинное обучение лажает на финансовых рынках? Много раз обсуждалось, если машинное обучение находит на рынке закономерности, то они найдутся и без него, и гораздо проще торгуются без него.

Я сам занимался машинным обучением, распознованием тональности текстовых сообщений. Думал о том как же применить машинное обучение в трейдинге, но потом взял бритву Окамы и просто вырезал ML.
avatar
Max, Там больше загон про трудно и дорого получать. ) Сразу видно, что чел в начале пути. Девственник, тссть. )))

Машинное обучение может и должно быть подключено к тысячам счетов, где будет анализировать поведение каждого счета и обучаться на базе получаемой информации. ) Обучать это значит находить и закреплять что-то новое, постоянно, подвергая каждый раз сомнению и поиску нового возможного поведения цены, а не ковырять старое УГ чтобы потом статично делать правильные движения в будущем. Вот эту особенность МЛ многие упускают и пытаются подушкой забивать гвозди в бетон. 
avatar
facevalue, «подушкой забивать гвозди в бетон.» — вот я из таких был =). А так да, если большой объем данных, то я за ML.
avatar
В любом случае за статью спасибо, плюсую. Но без эквити и каких то практических результатов статья не выдерживает критики. Цель была показать торговлю с помощью ML, результатом является положительная эквити, ее нет, как бы все.
avatar
старый трейдер, Согласен, толково-ознакомительная. ) Слово подобрал семантически некорректное.
avatar
facevalue, полистайте _cs.du.edu/~mitchell/mario_books/Neural_Networks_for_Pattern_Recognition_-_Christopher_Bishop.pdf и переходите к современны топологиям, изобретенным после 2012.
avatar
старый трейдер, Благодарю за качественное чтиво! 
avatar

теги блога facevalue

....все тэги



UPDONW
Новый дизайн