ПРогноз

Фьючерс на нефть BR-12.19
Внутридневные  уровни на сегодня:

Поддержки: 61.80, 61.35, 60.60
Сопротивления: 62.70, 63.15, 63.90
Pivot Point — 62.25

Продолжу изучение нейросетей. Для тех кто случайно наткнулся на этот пост, но не хочет ковырять предшествующие поясняю.
  Был сгенерирована табличка в 50 тысяч строк и 103 столбцов. Один столбец это даты, еще один — таргет, который мы пытаемся предсказать (событие 1 и событие 0). 101 столбец изображают фичи, из которых 100 случайные величины от 1 до 10, а одна осмысленная (Week) принимает значение от 1 до 5. Для week от 1 до 4 равновероятно событие 1 и 2, для Week = 5 вероятность события 1 = 60%, 2 = 40%.
 «Шо за фигня аффтор?!». Фигня не фигня, а я моделирую свое виденье рынка и своего подхода к поиску рабочих стратегий. Виденье рынка предполагает что рынок рандомно блуждает значительную часть времени (в моему случаи 80% времени), а оставшееся его можно описать несколькими хорошими фичами. Ну как описать? Не на 100%, ну а где то процентов на 60. Сравните с детерминированным подходом ученых столетней давности — «если нам дать все фичи и много много вычислительных мощностей мы вам все посчитаем, с точностью в 100% и для любого мгновения времени!». Понятно что после этого появилось много других идей, нелинейная динамика к примеру, которая именно предполагает принципиальную невозможность прогнозирования, а не потому что нам чего то в данных недодали. Ну и наконец постановка задачи: у нас есть 101 фича, и нам с помощью инструментов ML надо получить такой прогноз события 1, который бы бился с заложенной нами неэффектиностью. И тут не помогут завывания нейросетей-что мы «фичи кривые заложили, на которых совершенно невозможно работать!», что «просто рынок изменился!, не имезнился мы бы огого!». Нам совершенно плевать на accuracy на трейне и даже на тесте. Мы как тот глупый учитель, который может не очень то и соображает зато у которого на клочке  бумажки записан правильный ответ, а напротив него ученик, в очечках, но у которого почему то при всех сплетнях что он в уме может перемножить трехзначные цифры, при сложения 1+1, получается то 5, то 6 то -32. Не, конечно вариант что мальчик в очечках не так уж и не прав возможен, может он считал в невклидовых метриках к примеру, или перемножать он умеет а вот что такое складывание ему просто не сказали.

( Читать дальше )

Фьючерс на нефть BR-12.19
Внутридневные  уровни на сегодня:

Поддержки: 62.80, 62.25, 61.35
Сопротивления: 63.85, 64.40, 65.30
Pivot Point — 63.30

Доброе утро!
На сегодня наши цели выглядят следующим образом:
Вверху:

Внизу:


( Читать дальше )

Пара доллар/рубль на прошедшей неделе мало изменилась и закрылась на уровне 63.7675. Среднесрочно пара, скорее всего, закончила волну С волны 2 конечного диагонального треугольника с 86, которая является плоской (разметка здесь), и уже находится в волне 3. Варианты долгосрочных разметок здесь. Чистая длинная спекулятивная позиция во фьючерсе на рубль выросла на 600, с 25 700 до 26 300.  Индекс РТС снизился и закрылся на уровне 1449.42 (долгосрочная разметка здесь, среднесрочная - здесь). Индекс российских государственных облигаций (RGBI-tr) установил новый исторический максимум (564.93) и закрылся на уровне 562.49. Подробнее слушайте в программе «Итоги недели».

Мировые рынки

( Читать дальше )

Напомню был сгенерирован DateFrame со 100 бессмысленными фичами и одной осмысленной, для проверки могет ML или не могет. Как оказалось GradientalBoosting могет и еще как, RF могет, но хуже. Что покажут нейросети? Нейросетей много, архитектур много, настраивать их не просто, я предложил решить задачу нейросети со следующей архитектурой:

model = Sequential()
model.add(Convolution1D(input_shape = (101, 1),
nb_filter=16,
filter_length=4,
border_mode='same'))

model.add(BatchNormalization())
model.add(LeakyReLU())
model.add(Dropout(0.5))

model.add(Convolution1D(nb_filter=8,
filter_length=4,
border_mode='same'))

model.add(BatchNormalization())
model.add(LeakyReLU())
model.add(Dropout(0.5))
model.add(Flatten())
model.add(Dense(64))
model.add(BatchNormalization())
model.add(LeakyReLU())
model.add(Dense(2))
model.add(Activation('softmax'))

  Тут все как положено — сверточная нейросеть, модная функция активации ReLU, широкой рукой накиданные Dropoutы и BatchNormalization, несколько слоев чтобы похвастаться не просто об обучении, а о глубоком обучении. Обучал на 100, 500 и 1500 эпохах. При увеличении числа эпох росла accuracy на train и на test, далеко превосходя заложенную accuracy ряда. При попытках использовать обученную нейросетку для прогноз получался один большой пфук.
По табличке:

( Читать дальше )

USDCAD

Логарифмическая шкала цен. Продолжаю вести четвёртую волну супециклической степени, предположительно в виде сходящегося треугольника в составе которого идёт снижение волной c.


( Читать дальше )

Фьючерс на нефть BR-12.19
Внутридневные  уровни на сегодня:

Поддержки: 62.10, 61.80, 61.35
Сопротивления: 62.70, 63, 63,45
Pivot Point — 62.40

Примерно так