Machine Learning: la mia esperienza

[aszx]

La strada quindi non è il ML per i mercati finanziari e non lo sarà mai. Se fosse questa Google o IBM starebbero già guadagnando bilions visto che alla fine il ML è intimamente legato alle potenze computazionali.

Come fai a dire che loro o altri non lo stiano facendo?

[aszx]

Supponiamo che io sia un lettore di Amazon e su quella piattaforma compro sempre dei libri aventi a che fare con la Fantascienza è normale che dopo alcuni acquisti o visite fatte al sito l'algoritmo di Amazon deduca immediatamente una relazione tra me ed i libri di fantascienza inondandomi di spam. In questo caso, se escludo il problema dello spam, io ed Amazon non siamo in concorrenza nel senso che l'idea che Amazon mi proponga nuovi titoli di fantascienza tutto sommato o è positiva o quanto meno non è negativa.

Sai cosa non mi convince relativamente a cose simili, che si pretende di arrivare a conclusioni seguendo fili non solo logici (e fin qui lo faccio pure io forse sbagliando) ma anche funzionali. Tutto e` ben impacchettato da equazioni, integrali, derivate, sommatorie, radici quadrate, limiti ogni equazione funzionale alla successiva il tutto come fosse la descrizione di un fenomeno naturale.
Ragazzi qui si sta parlando di Wall Street, di un luogo dove uomini esagitati, costantemente in fibrillazione, che Dio solo sa di cosa fanno uso, di menti raffinatissime tutti in estrema e feroce competizione l uno all altro, di flussi di informazioni estremamente sensibili a eventi, al tweet di turno del presidente, al pupazzo dell estremo oriente a cui piacciono i missili, etc etc etc e pensiamo di andare nella mischia con il nostro bel pacchetto di equazioni concatenate. Francamente questo per me sarebbe too good to be true. Non solo, l approccio, a mio avviso deve essere non solo non lineare ma sopratutto neanche funzionale.

Se è vera la prima citazione, ed è vera, non dovrebbe essere impossibile il grassetto per il ML, no?

[aszx]

Agli algoritmi si chiede sempre lo stesso, ovvero di farci guadagnare prevedendo il futuro.
Il fatto sta, come ripetuto allo sfinimento, nel capire cosa dargli in pasto.
Ed una volta capito, ti accorgi automaticamente anche che poi di quegli algoritmi di super intelligenza parallela pseudo quantitativa auto adattativa fuzzy neurale, non ne hai più bisogno.
Basta qualche relativamente semplice ma illuminata procedura vecchio stile.

Certo che se si sa cosa dare in pasto, diventano quasi inutili. Ma l'utilità sta proprio nel dare in pasto "tutto" e lasciare alla macchina la ricerca di pattern che sfuggono all'uomo per una serie di ragioni, molte delle quali da ricercare nei limiti stessi del cervello o del corpo umano.

Come si può essere sicuri che nessun pattern si annidi, o non si sia annidato, anche nelle serie dei prezzi o in qualsiasi altro gruppo di dati a vostra scelta se non esplorando tali dati con strumenti di ML?

[aszx]

Sapete, io mi intendo poco di quelle cose (ML, NN), un po' di forecast e soprattutto sono un pratictioner e non un professionista.
però vi metto in guardia su una cosa: si rilevano a volte delle proprietà (banalmente ad es. una autocorr. a lag 1) che magari durano anni e anni e poi all'improvviso Puff! scompaiono. Contro queste cose anche la cross-validation può fare poco....

Secondo me, quando si scopre qualche regolarità bisognerebbe cercare sempre di comprenderne la ragione (che generalmente è inerente la struttura del mercato): se la capisci allora ci puoi fare affidamento, se non la capisci ti può sparire all'improvviso e tu resti come un allocco. Si potrebbero fare esempi in merito...

Ciao

Forse non ho capito quello che vuoi dire, ma non mi sorprenderebbe la sparizione improvvisa di una regolarità, ammesso che sia vera e robusta e non frutto di errori di calcoli o puro caso male interpretato. Perché dovrebbe? Anzi, io la considerei la certificazione che esisteva!

E per non farsi male, basta tenerla d'occhio: quando viene meno matematicamente, non la si segue più.

[automatic-trading]

@amartya78 si puo' sapere quali input hai dato alle tue reti neurali? Semplicemente prezzi / volumi? Credo che la cosa difficile sia la scelta di queste variabili

[amartya78]

The rise of humans

Human-Run Hedge Funds Trounce Quants in Covid Year

[Scalpo]

@amartya78 si puo' sapere quali input hai dato alle tue reti neurali? Semplicemente prezzi / volumi? Credo che la cosa difficile sia la scelta di queste variabili

esempi condivisi da parte di chi preferisce offrire la canna da pesca è pieno il web; ne mostro uno che sto digerendo:
The Financial Hacker – A new view on algorithmic trading
We teach how to research, build and manage systematic trading strategies
per ciò che riguarda le modalità di selezione delle variabili in ingresso c'è un articolo specifico: Machine Learning for Trading - What Does it Really Look Like?

la loro fruibilità dipende da quanto sei veloce a codificare nei diversi ambienti di programmazione e da quanto e come sei capace a fare interagire i relativi ambienti di analisi con le piattaforme che agiscono concretamente sui mercati .

Buon studio.

[lastrico]

esempi condivisi da parte di chi preferisce offrire la canna da pesca è pieno il web; ne mostro uno che sto digerendo:
The Financial Hacker – A new view on algorithmic trading
We teach how to research, build and manage systematic trading strategies
per ciò che riguarda le modalità di selezione delle variabili in ingresso c'è un articolo specifico: Machine Learning for Trading - What Does it Really Look Like?

la loro fruibilità dipende da quanto sei veloce a codificare nei diversi ambienti di programmazione e da quanto e come sei capace a fare interagire i relativi ambienti di analisi con le piattaforme che agiscono concretamente sui mercati .

Buon studio.

Carino il risultato del backtesting nell’articolo sulle candele giapponesi (23/12/20)...


All but one are symmetric, meaning they deliver bullish and bearish signals. And because I’m a bit on the evil side, I added a 7th pattern that I just invented: TotalRandom.
(...)
Randomly opening long positions beats hands down all symmetric candle patterns. So it seems that trading with candle patterns, no matter old or new, still requires strong faith – and some disposable money.

[Scalpo]

Carino il risultato del backtesting nell’articolo sulle candele giapponesi (23/12/20)...


All but one are symmetric, meaning they deliver bullish and bearish signals. And because I’m a bit on the evil side, I added a 7th pattern that I just invented: TotalRandom.
(...)
Randomly opening long positions beats hands down all symmetric candle patterns. So it seems that trading with candle patterns, no matter old or new, still requires strong faith – and some disposable money.

per dirne una in tema econometrico: qua ti smonta i semplici modellini AR (uno degli articoli utili per raggiungere "prese di coscienza" via via sempre più alti)

Trading FX using Autoregressive Models - Robot Wealth

[Scalpo]

Carino il risultato del backtesting nell’articolo sulle candele giapponesi (23/12/20)...


All but one are symmetric, meaning they deliver bullish and bearish signals. And because I’m a bit on the evil side, I added a 7th pattern that I just invented: TotalRandom.
(...)
Randomly opening long positions beats hands down all symmetric candle patterns. So it seems that trading with candle patterns, no matter old or new, still requires strong faith – and some disposable money.

per segnalarne un'altra (sempre in ottica "prese di coscienza"), qua ti smonta (in parte) delle NN implementate con Tensorflow in seno alle quali " Perhaps 53% is the upper out of sample accuracy limit for this data set and this approach to modeling it".

Fighting Overfitting - Deep Learning for Trading Part 4
ho provato a replicare in R i modelli in TensorFlow-Keras aggiungendo anche i costi reali del mio attuale broker: questi modelli non sono profittevoli al netto dei costi: gli esempi indicati sono solo a scopo learning e "prese di coscienza" ovvero imparare a distinguere il rumore dall'informazione, ed uno stimolo a provare da sè una soluzione profittevole che può -forse- giungere solo dopo aver studiato e preso dimestichezza con le molte architetture talatro sempre continuamente soggette ad innovazione e rese note solo molto tempo dopo la loro effettiva scoperta.