curfr@
Forumer storico
Re: mo vado a dormire
Ciao Pio,
Supponiamo di aver trovato un po di memoria in alcuni predittori ( rendimenti close to close, close to open, close to high etc. etc. ) e di volerla sfruttare con qualche metodo che esuli dalle reti neurali.
...ok...
Il modello autocostruito da una rete neurale e' una black box sulla quale si ha nessun controllo se non il tasso di apprendimento.
...è non è poco perchè l'autoapprendimento puo essere stimato con una buona attendibilità statistica...comunque...
Senza fare nessuna ipotesi sulla forma della distribuzione dei rendimenti ( se c'e' memoria non e' sicuramente gaussiana ) ma avendo a disposizione la sola distribuzione empirica degli ultimi N giorni di trading ( training set ) , quale metodo ( supervisionato o non supervisionato ) useresti per costruire un modello di trading?
...non è possibile! Se passiamo dall'ipotesi originaria e cioè che abbiamo misurato persistenza statistica, quindi memoria, nella serie di dati che stiamo analizzando c'è distribuzione non normale quindi non gaussiana! Se volessi costruire un TS utilizzando la sola distribuzione empirica degli ultimi n giorni di trading poco mi importa di misurare la "persistenza" : piuttosto sarebbe opportuno effetuare una autoregressione del dato per verificare dallo smoothing se esiste una certa forma di ciclicità (ovviamente va confrontata con un periodo di trading su intervallo e time frame uguali...ossia lunedi-giovedi/lunedi-giovedi[1]...h10-h11/h10-h11[1]...ecc...). Per sfruttare tale ciclicità, se evidente statisticamente, si potrebbe fare una stima della varianza sui campioni di intervallo osservati per poter simulare un battlepan attendibile da seguire....in tal caso il modello ARCH-GARCh potrebbe tornare MOLTO utile per scomporre la varianza e misurare l'effettiva possibilità che la stessa raggiunga gli estremi del suo canale di regressione costruito su un intervallo di pari ampiezza dell'intervallo di dati considerato per l'analisi...ovviamente!
Quanto al TS sarebbe facilissimo impostare una operatività del tipo BO di volatilità con livelli di take profit e stoploss impostati debordant.
Quanto alle reti neurali...non conosco bene la materia, purtroppo...e quanto al resto "...di piu nin so"!
Cmq...interessanti questi spunti, Pio! Fatti vedere piu spesso e non lavorare troppo.
Ciao Pio...ciao Manuuuuu
pio99 ha scritto:curfr@ ha scritto:
Ciao Fra,
tanti saluti anche a te e a tutti gli amici di IO.
Come va?
Io sono un "po" impegnato ultimamente, ma il tempo per fare una domanda si trova.
Supponiamo di aver trovato un po di memoria in alcuni predittori ( rendimenti close to close, close to open, close to high etc. etc. ) e di volerla sfruttare con qualche metodo che esuli dalle reti neurali.
Il modello autocostruito da una rete neurale e' una black box sulla quale si ha nessun controllo se non il tasso di apprendimento.
Io scarterei a priori il classificatore bayesiano, eliminerei le reti neurali per il modello forma "black box", ci rimarrebbero i metodi statici tipo AR , MA, ARIMA, GARCH et similia o modelli dinamici tipo "vicini piu' vicini" e "approssimatori lineari" ( al momemto non mi sovviene il termine Senza fare nessuna ipotesi sulla forma della distribuzione dei rendimenti ( se c'e' memoria non e' sicuramente gaussiana ) ma avendo a disposizione la sola distribuzione empirica degli ultimi N giorni di trading ( training set ) , quale metodo ( supervisionato o non supervisionato ) useresti per costruire un modello di trading?giusto).
Grazie.
Ciao a tutti e buona serata.
Ciao Pio,
Supponiamo di aver trovato un po di memoria in alcuni predittori ( rendimenti close to close, close to open, close to high etc. etc. ) e di volerla sfruttare con qualche metodo che esuli dalle reti neurali.
...ok...
Il modello autocostruito da una rete neurale e' una black box sulla quale si ha nessun controllo se non il tasso di apprendimento.
...è non è poco perchè l'autoapprendimento puo essere stimato con una buona attendibilità statistica...comunque...
Senza fare nessuna ipotesi sulla forma della distribuzione dei rendimenti ( se c'e' memoria non e' sicuramente gaussiana ) ma avendo a disposizione la sola distribuzione empirica degli ultimi N giorni di trading ( training set ) , quale metodo ( supervisionato o non supervisionato ) useresti per costruire un modello di trading?
...non è possibile! Se passiamo dall'ipotesi originaria e cioè che abbiamo misurato persistenza statistica, quindi memoria, nella serie di dati che stiamo analizzando c'è distribuzione non normale quindi non gaussiana! Se volessi costruire un TS utilizzando la sola distribuzione empirica degli ultimi n giorni di trading poco mi importa di misurare la "persistenza" : piuttosto sarebbe opportuno effetuare una autoregressione del dato per verificare dallo smoothing se esiste una certa forma di ciclicità (ovviamente va confrontata con un periodo di trading su intervallo e time frame uguali...ossia lunedi-giovedi/lunedi-giovedi[1]...h10-h11/h10-h11[1]...ecc...). Per sfruttare tale ciclicità, se evidente statisticamente, si potrebbe fare una stima della varianza sui campioni di intervallo osservati per poter simulare un battlepan attendibile da seguire....in tal caso il modello ARCH-GARCh potrebbe tornare MOLTO utile per scomporre la varianza e misurare l'effettiva possibilità che la stessa raggiunga gli estremi del suo canale di regressione costruito su un intervallo di pari ampiezza dell'intervallo di dati considerato per l'analisi...ovviamente!
Quanto al TS sarebbe facilissimo impostare una operatività del tipo BO di volatilità con livelli di take profit e stoploss impostati debordant.
Quanto alle reti neurali...non conosco bene la materia, purtroppo...e quanto al resto "...di piu nin so"!
Cmq...interessanti questi spunti, Pio! Fatti vedere piu spesso e non lavorare troppo.
Ciao Pio...ciao Manuuuuu
