نظام التداول تعلم الآلة

كيف يمكنني البدء في تطبيق تعلم الآلة للتداول الحسابي أولا، سوف تركز على جمع أكبر قدر ممكن من البيانات ووضعها في شكل جدول كبير واحد. وستكون هذه بيانات أسعار تاريخية. ربما زيادة هذا مع المقالات الصحفية، بلوق وظائف، تحولت ملفات ثانية إلى عدد الكلمات ناقلات الخ (باستخدام تيشيكز معالجة اللغة الطبيعية). ثم يمكنك تدريب خوارزمية إشراف لقرار بيسيل. الخوارزميات المناسبة هي الانحدار اللوجستي (الأسرع) والغابات العشوائية (الأكثر دقة عادة). هناك غيرها، مثل آلات ناقلات الدعم، أشجار القرار المعزز، والشبكات العصبية 3 طبقات، ولكن هذه don039t تقدم دقة جيدة كما الغابات العشوائية (وغالبا ما أبطأ كذلك) أو بقدر سرعة الانحدار اللوجستي. في رأيي، فإن أفضل خيار سيكون ببساطة الانحدار اللوجستي، وأفضل تنفيذ هو فوبال وابت - سريع للغاية، ويمكن التعامل مع كميات هائلة من البيانات - 1 تيرابايت ساعة على جهاز واحد، وأسرع لا يزال في العنقودية - ومفتوحة المصدر. هذا يسمح لك أيضا أن نرى بوضوح المؤشرات (الأعمدة في الجدول) هي تنبؤية. هل يمكن أيضا إضافة مقالات صحيفة الخ مباشرة كنص لهذا باستخدام خدعة التجزئة. يتم تنفيذ هذا أيضا في فوبال وبيت أيضا، وحتى تتمكن من التعامل مع المواد النصية كبيرة جدا شكل حر في صف واحد كذلك. بعد القيام بما سبق إلى النقطة التي لم تعد قادرة على جمع المزيد من مصادر البيانات، it039s الوقت للانتقال إلى مرحلة الهندسة ميزة. كنت بالفعل فعلت بعض من هذا عندما فعلت نلب الاشياء (ولكن كنت تستخدم التقنيات القياسية - أي لا أعتقد أوبينفنت الطرق الخاصة بك). هناك خياران في هذه المرحلة - دليل والآلي. عادة، الناس في هذه المرحلة اختراع الميزات الخاصة بهم. هذا هو ما يقضي التجار معظم وقتهم القيام به - ما يسمى كوتستراتيجيسكوت أو كوتولسكوت. يتم اختبار هذه ضد البيانات - دعا باكتستينغ. آخر، أحدث، طريقة تلقائية أصبحت أيضا في الآونة الأخيرة المتاحة - التعلم العميق غير الخاضعة للرقابة. كان هناك تعلم غير خاضع للرقابة من قبل، ولكنه كان من نوع كوتشالوكوت ولم يعمل بشكل جيد في الممارسة العملية. الشبكات العصبية التعلم العميق باستخدام أوتوينكوديرس هو طريقة جديدة (اخترع منذ 6 سنوات فقط) التي تعمل بشكل جيد حقا. هذه الورقة هي دليل على ذلك. أساسا، من خلال رمي الكثير من أجهزة الكمبيوتر في هذه المشكلة، it039s ممكن لتشكيل الاستراتيجيات تلقائيا. كلما كانت الشبكة العصبية أكبر، كلما كان ذلك أفضل - ولكن مطلوب المزيد من الحواسيب. هذا (في رأيي) على الرغم من هو بيترشيبر من محاولة لتوظيف الكثير من كريتيفاناليتيكالهارد العمل للغاية الناس. هذا المنصب بالتفصيل ما فعلت لجعل تقريبا. 500k من تجارة عالية التردد من 2009 إلى 2010. منذ كنت أتعامل بشكل مستقل تماما وأنا لم يعد تشغيل بلدي برنامج إرسكوم سعيد أن أقول كل شيء. كان تداولي في معظمه في عقود راسل 2000 و داكس المستقبلية. مفتاح نجاحي، أعتقد، لم يكن في معادلة مالية متطورة بل بالأحرى في تصميم الخوارزمية الشاملة التي ربطت معا العديد من المكونات البسيطة واستخدمت آلة التعلم لتحسين لأقصى قدر من الربحية. كنت ورسكوت تحتاج إلى معرفة أي المصطلحات المتطورة هنا لأنه عندما كنت إعداد برنامج بلدي كان كل شيء على أساس الحدس. (أندرو نغرسكوس مذهلة بالطبع التعلم الآلي لم يكن متاحا بعد - راجع للشغل إذا قمت بالنقر فوق هذا الرابط يوركول أن تؤخذ إلى مشروعي الحالي: كورستالك، موقع مراجعة ل موكس) أولا، أريد فقط أن أثبت أن نجاحي لم يكن ببساطة نتيجة الحظ. برنامجي جعل 1000-4000 الصفقات في اليوم الواحد (نصف طويلة، نصف قصيرة) ولم يحصل في مواقف أكثر من عدد قليل من العقود في وقت واحد. وهذا يعني أن حظا عشوائيا من أي تجارة معينة كان متوسطها سريعا جدا. وكانت النتيجة أنني لم أكن فقدت أكثر من 2000 في يوم واحد ولم يحدث يوما خاسرا: (إديت، هذه الأرقام هي بعد دفع العمولات) و هيرسكووس الرسم البياني لتعطيك شعورا بالتغير اليومي. لاحظ هذا يستبعد آخر 7 أشهر لأنه - كما توقفت الأرقام صعودا - لقد فقدت الدافع للدخول لهم. ماي ترادينغ باكغروند قبل إعداد برنامج التداول الآلي كان إرسكود 2 سنوات من الخبرة كما تاجر لدكومانوالردكو اليوم. وكان هذا مرة أخرى في عام 2001 - كانت الأيام الأولى للتجارة الإلكترونية وكانت هناك فرص ل لدكوسالبرسردكو لكسب المال. أستطيع أن أصف فقط ما كنت أفعله أقرب إلى لعب لعبة فيديو القمار مع حافة المفترض. كونها ناجحة يعني أن تكون سريعة، يجري منضبطة، وجود قدرات التعرف على نمط بديهية جيدة. كنت قادرا على جعل حوالي 250K، تسديد القروض الطلابية وتترك المال. الفوز على مدى السنوات الخمس المقبلة وأود أن إطلاق اثنين من الشركات الناشئة، والتقاط بعض مهارات البرمجة على طول الطريق. سيكون وندرسكوت حتى أواخر عام 2008 أنني سوف نعود إلى التداول. مع انخفاض المال من بيع أول شركة ناشئة، عرضت التجارة آمال بعض النقد السريع بينما أحسبت الخطوة التالية. في عام 2008 كنت لدكومانوالردكو العقود الآجلة التداول اليومي باستخدام برنامج يسمى T4. كان إرسكود يريد بعض مفاتيح الاختصار دخول مخصصة النظام، وذلك بعد اكتشاف T4 كان أبي، أخذت على التحدي المتمثل في تعلم C (لغة البرمجة المطلوبة لاستخدام أبي) وذهب قدما وبناه بنفسي بعض مفاتيح الاختصار. بعد الحصول على قدمي الرطب مع أبي سرعان ما كان تطلعات أكبر: أردت أن تعليم الكمبيوتر للتجارة بالنسبة لي. قدمت أبي كل من تيار بيانات السوق وطريقة سهلة لإرسال أوامر إلى الصرف - كل ما كان علي القيام به هو خلق المنطق في الوسط. في ما يلي لقطة شاشة لنافذة تداول T4. ما كان باردا هو أنه عندما حصلت على برنامج عملي كنت قادرا على مشاهدة تجارة الكمبيوتر على هذه الواجهة نفسها بالضبط. مشاهدة أوامر حقيقية ظهرت داخل وخارج (من تلقاء أنفسهم مع بلدي المال الحقيقي) كان على حد سواء مثيرة ومخيفة. تصميم خوارزمي منذ البداية كان هدفي هو إعداد نظام بحيث يمكن أن أكون واثقا إلى حد معقول إرسكود كسب المال قبل أي وقت مضى جعل أي الصفقات الحية. ولتحقيق ذلك، كنت بحاجة لبناء إطار محاكاة التداول الذي من شأنه - بأكبر قدر ممكن - محاكاة التداول المباشر. في حين أن التداول في الوضع الحي يتطلب تحديثات السوق المعالجة المتدفقة من خلال أبي، يتطلب وضع المحاكاة تحديثات سوق القراءة من ملف البيانات. لجمع هذه البيانات أنا إعداد النسخة الأولى من برنامجي للاتصال ببساطة إلى أبي وتسجيل التحديثات السوق مع الطوابع الزمنية. انتهى بي الأمر باستخدام 4 أسابيع بقيمة بيانات السوق الأخيرة لتدريب واختبار النظام الخاص بي على. مع وجود إطار أساسي في مكان لا يزال لديه مهمة معرفة كيفية جعل نظام التداول مربحة. كما اتضح أن خوارزمي سوف تنهار إلى مكونين متميزين، يستكشفهما إرسكول بدوره: توقع تحركات الأسعار وجعل الصفقات المربحة توقع تحركات الأسعار ربما يكون أحد المكونات الواضحة لأي نظام تجاري قادرا على التنبؤ بأين تتحرك الأسعار. ولم يكن الألغام استثناء. عرفت السعر الحالي كمتوسط ​​العرض الداخلي والعرض الداخلي، وقمت بتعيين هدف التنبؤ بأين سيكون السعر في الثواني العشر القادمة. سوف خوارزمي بلدي في حاجة إلى الخروج مع هذا التنبؤ لحظة تلو لحظة طوال يوم التداول. خلق مؤشرات أمبير الأمثل أنا خلقت حفنة من المؤشرات التي ثبت أن لديها قدرة ذات مغزى للتنبؤ تحركات الأسعار على المدى القصير. وأنتج كل مؤشر عددا كان إيجابيا أو سلبيا. وكان المؤشر مفيدا إذا كان عدد إيجابي في معظم الأحيان لا يتطابق مع ارتفاع السوق ورقم سلبي يتوافق مع تراجع السوق. نظام بلدي يسمح لي لتحديد بسرعة كم القدرة التنبؤية أي مؤشر كان ذلك كنت قادرا على تجربة مع الكثير من المؤشرات المختلفة لمعرفة ما عملت. كان للكثير من المؤشرات متغيرات في الصيغ التي أنتجتها، وكنت قادرا على إيجاد القيم المثلى لتلك المتغيرات من خلال إجراء مقارنات جنبا إلى جنب للنتائج التي تحققت مع قيم متفاوتة. وكانت المؤشرات الأكثر فائدة كلها بسيطة نسبيا واستندت إلى الأحداث الأخيرة في السوق كنت التداول وكذلك أسواق الأوراق المالية المترابطة. مما يجعل التنبؤات حركة السعر الدقيق وجود المؤشرات التي تنبأت ببساطة حركة سعر أعلى أو لأسفل كانرسكوت بما فيه الكفاية. كنت بحاجة لمعرفة بالضبط كم حركة السعر كان متوقعا من قبل كل قيمة ممكنة من كل مؤشر. كنت في حاجة إلى صيغة من شأنها تحويل قيمة المؤشر إلى التنبؤ السعر. ولتحقيق ذلك، تعقبت تحركات السعر المتوقعة في 50 دلو تعتمد على النطاق الذي انخفضت فيه قيمة المؤشر. وقد أنتج ذلك تنبؤات فريدة لكل مجموعة كانت قادرا على الرسم البياني في إكسيل. كما ترون ارتفاع السعر المتوقع مع زيادة قيمة المؤشر. استنادا إلى الرسم البياني مثل هذا كنت قادرا على جعل صيغة لتناسب منحنى. في البداية فعلت هذا لدكوكورف فتينغردكو يدويا ولكن سرعان ما كتبت بعض التعليمات البرمجية لأتمتة هذه العملية. لاحظ أنه ليس كل منحنيات المؤشر لها نفس الشكل. نلاحظ أيضا تم توزيع الدلاء لوغاريتميا وذلك لنشر نقاط البيانات بالتساوي. وأخيرا نلاحظ أن قيم المؤشر السلبي (والتنبؤات المناظرة لأسعارها المناظرة) قد انقلبت مع القيم الإيجابية. (خوارزمية بلدي تعاملت صعودا وهبوطا بالضبط نفس.) الجمع بين المؤشرات للتنبؤ واحد شيء مهم للنظر فيه هو أن كل مؤشر لم يكن مستقلا تماما. أنا كاندنرسكوت ببساطة مجرد إضافة ما يصل كل التوقعات التي كل مؤشر جعل بشكل فردي. وكان المفتاح هو معرفة القيمة التنبؤية الإضافية التي يتخطى كل مؤشر ما كان متوقعا بالفعل. هذا واسنسكوت إلى الصعب تنفيذها ولكن لم يعني أنه لو كنت لدكوكورف فتينغردكو مؤشرات متعددة في نفس الوقت كان لي أن تكون حذرا تغيير واحد من شأنه أن يؤثر على توقعات أخرى. من أجل لدكووكرف فيردكو جميع المؤشرات في نفس الوقت أنا الإعداد محسن خطوة 30 فقط من الطريق نحو منحنيات التنبؤ الجديدة مع كل تمريرة. مع هذه القفزة 30 وجدت أن منحنيات التنبؤ ستستقر في غضون عدد قليل من يمر. مع كل مؤشر يعطي لنا الآن إترسكوس التنبؤ السعر إضافية يمكن ببساطة إضافتها إلى إنتاج التنبؤ واحد من حيث أن السوق سيكون في 10 ثانية. لماذا التنبؤ الأسعار ليست كافية قد تعتقد أنه مع هذه الحافة في السوق كنت ذهبية. ولكن عليك أن تضع في اعتبارنا أن السوق يتكون من العطاءات والعروض - إترسكوس ليس فقط سعر السوق واحد. النجاح في تجارة عالية التردد يأتي إلى الحصول على أسعار جيدة و إترسكوس ليس بهذه السهولة. العوامل التالية تجعل خلق نظام مربح صعبا: مع كل التجارة كان علي أن أجبر عمولات على كل من وسيط بلدي وتبادل. الفرق (الفرق بين أعلى عرض وأدنى عرض) يعني أنه لو كنت ببساطة شراء وبيع عشوائيا إرسكود أن تفقد طن من المال. وكان معظم حجم السوق السير الأخرى التي من شأنها أن تنفذ فقط التجارة معي إذا كانوا يعتقدون أن لديهم بعض الحافة الإحصائية. رؤية عرض لا يضمن أن أتمكن من شرائه. وبحلول الوقت الذي حصلت طلبي شراء إلى تبادل كان من الممكن جدا أن هذا العرض قد تم إلغاء. كاعب سوق صغير لم يكن هناك أي وسيلة يمكن أن تتنافس على السرعة وحدها. بناء محاكاة التداول الكاملة لذلك كان لدي إطار الذي سمح لي أن باكتست وتحسين المؤشرات. ولكن كان علي أن أبعد من ذلك - كنت في حاجة إلى إطار من شأنه أن يسمح لي أن باكتست وتحسين نظام التداول الكامل واحد حيث كنت ترسل أوامر والحصول على المناصب. في هذه الحالة إرسكود يكون الأمثل لمجموع بامبل وإلى حد ما متوسط ​​بمبل في التجارة. وهذا سيكون أكثر صعوبة، وفي بعض النواحي من المستحيل أن نموذج بالضبط ولكن أنا فعلت أفضل ما أستطيع. وهنا بعض من القضايا كان لي للتعامل مع: عندما تم إرسال أمر إلى السوق في محاكاة اضطررت إلى نموذج الوقت تأخر. وكون نظامي رأى عرضا لا يعني أنه يمكن أن يشتريه على الفور. سيقوم النظام بإرسال النظام، والانتظار حوالي 20 ميلي ثانية، ثم فقط إذا كان العرض لا يزال هناك كان يعتبر التجارة المنفذة. وكان هذا غير دقيق لأن الوقت الحقيقي تأخر كان غير متناسقة وغير المبلغ عنها. عندما وضعت عروض الأسعار أو العروض كان علي أن ألقي نظرة على تدفق تنفيذ التجارة (التي تقدمها أبي) واستخدام تلك لقياس عندما طلبي قد حصلت أعدم ضد. للقيام بهذا الحق اضطررت إلى تتبع موقف طلبي في قائمة الانتظار. (إترسكوس أولا في أول نظام الخروج). مرة أخرى، أنا كاندنرسكوت القيام بذلك تماما ولكن أنا جعلت أفضل تقريب. لتنقيح بلدي تنفيذ أوامر المحاكاة ما فعلته كان أخذ ملفات السجل من التداول المباشر من خلال أبي ومقارنتها لتسجيل الملفات التي تنتجها محاكاة التداول من نفس الفترة الزمنية بالضبط. تمكنت من الحصول على المحاكاة الخاصة بي إلى درجة أنه كان دقيقا جدا وللأجزاء التي كان من المستحيل أن نموذج بالضبط تأكدت من أن تنتج على الأقل نتائج كانت مشابهة إحصائيا (في المقاييس اعتقدت كانت مهمة). جعل الصفقات مربحة مع نموذج محاكاة النظام في مكان يمكنني الآن إرسال أوامر في وضع المحاكاة ونرى بامبل محاكاة. ولكن كيف يمكن لنظامي معرفة متى وأين لشراء وبيع وكانت توقعات حركة الأسعار نقطة انطلاق ولكن ليس القصة بأكملها. ما فعلته هو إنشاء نظام التهديف لكل من مستويات الأسعار 5 على العرض والعرض. وشمل ذلك مستوى واحدا فوق العرض الداخلي (لأمر شراء) ومستوى أقل من العرض الداخلي (لأمر بيع). إذا كانت النتيجة في أي مستوى سعر معين فوق عتبة معينة من شأنه أن يعني أن نظامي يجب أن يكون عرضا نشطا هناك - تحت العتبة ثم أي أوامر نشطة ينبغي إلغاؤها. وبناء على هذا لم يكن من غير المألوف أن نظام بلدي فلاش عرض في السوق ثم إلغاء ذلك فورا. (على الرغم من أنني حاولت الحد من هذا كما إرسكوس مزعج كما هيك إلى أي شخص يبحث في الشاشة مع عيون البشرية - بما في ذلك لي). تم حساب درجات مستوى السعر على أساس العوامل التالية: التنبؤ حركة السعر (الذي ناقشنا في وقت سابق). مستوى السعر في السؤال. (المستويات الداخلية يعني كان هناك حاجة لمزيد من التنبؤات حركة السعر.) عدد العقود أمام طلبي في قائمة الانتظار. (أقل كان أفضل.) عدد العقود وراء طلبي في قائمة الانتظار. (أكثر كان أفضل.) أساسا هذه العوامل خدمت لتحديد أماكن لدكوسافيردكو ل بيدوفر. وكان التنبؤ حركة السعر وحده غير كاف لأنه لم يكن يفسر حقيقة أنه عند وضع محاولة لم يكن شغلها تلقائيا - أنا فقط حصلت على شغل إذا كان شخص ما بيعت لي هناك. والواقع أن مجرد شخص يبيع لي بسعر معين قد غير الاحتمالات الإحصائية للتجارة. وكانت المتغيرات المستخدمة في هذه الخطوة كلها تخضع للتحسين. وقد تم ذلك في نفس الطريقة بالضبط كما أنا الأمثل المتغيرات في مؤشرات التحرك السعر إلا في هذه الحالة كنت تحسين لخط أسفل بامبل. ما تجاهله برنامجي عندما نتداول كالبشر، غالبا ما يكون لدينا مشاعر وتحيزات قوية يمكن أن تؤدي إلى أقل من القرارات المثلى. ومن الواضح أنني لم أكن أريد تدوين هذه التحيزات. في ما يلي بعض العوامل التي تجاهلها نظامي: السعر الذي تم إدخاله - في مكتب التداول إترسكووس شائع جدا أن يسمع محادثة حول السعر الذي شخص طويل أو قصير كما لو كان ذلك ينبغي أن تؤثر على اتخاذ القرارات في المستقبل. في حين أن هذا له بعض الصفة كجزء من استراتيجية الحد من المخاطر فإنه حقا ليس له تأثير على مسار المستقبل للأحداث في السوق. لذلك تجاهل برنامجي تماما هذه المعلومات. إترسكوس نفس المفهوم كما تجاهل التكاليف الغارقة. الذهاب قصيرة مقابل الخروج من موقف طويل - عادة ما يكون المتداول معايير مختلفة التي تحدد مكان لبيع موقف طويل مقابل أين تذهب قصيرة. ولكن من وجهة نظري الخوارزميات لم يكن هناك سبب للتمييز. إذا توقعت خوارزمي أن عملية البيع الهبوطية كانت فكرة جيدة بغض النظر عما إذا كانت طويلة أو قصيرة أم مسطحة. A لدكودوبلينغ أوبردكو استراتيجية - هذه هي استراتيجية مشتركة حيث التجار سوف شراء المزيد من الأسهم في حال أن هناك التجارة الأصلية يتعارض معها. هذا يؤدي إلى انخفاض متوسط ​​سعر الشراء، ويعني متى (أو إذا) يتحول السهم حول يورسكول تعيين لجعل المال الخاص بك مرة أخرى في أي وقت من الأوقات. في رأيي هذا هو حقا استراتيجية رهيبة إلا يورسكور وارن بوفيه. يورسكور خداع في التفكير كنت على ما يرام لأن معظم الصفقات الخاصة بك سيكون الفائزين. المشكلة هي عندما تخسر تفقد كبيرة. التأثير الآخر هو أنه يجعل من الصعب الحكم إذا كان لديك فعلا ميزة في السوق أو مجرد الحصول على الحظ. أن تكون قادرة على رصد وتأكيد أن برنامجي لم يكن في الواقع لديها ميزة كان هدفا هاما. وبما أن خوارزمي اتخذت القرارات بنفس الطريقة بغض النظر عن مكان دخولها في التجارة أو إذا كانت طويلة أو قصيرة في الوقت الحالي، فإنها تجلس أحيانا في بعض الصفقات الكبيرة الخاسرة (بالإضافة إلى بعض الصفقات الفائزة الكبيرة). ولكن، كنت شولدرسكوت أعتقد أن هناك كانرسكوت أي إدارة المخاطر. لإدارة المخاطر فرضت الحد الأقصى لحجم الموقع من عقدين في وقت واحد، تصطدم أحيانا في أيام عالية الحجم. كما كان لدي حد أقصى للحد اليومي للوقاية من أي ظروف سوق غير متوقعة أو خلل في برنامجي. تم فرض هذه الحدود في التعليمات البرمجية ولكن أيضا في الخلفية من خلال وسيط بلدي. كما حدث أنا لم تواجه أي مشاكل كبيرة. تشغيل الخوارزمية من اللحظة التي بدأت العمل على برنامجي استغرق مني حوالي 6 أشهر قبل أن حصلت عليه إلى نقطة الربحية وبدأ تشغيله على الهواء مباشرة. على الرغم من أن تكون عادلة قدرا كبيرا من الوقت كان تعلم لغة برمجة جديدة. كما عملت على تحسين البرنامج رأيت زيادة الأرباح لكل من الأشهر الأربعة المقبلة. كل أسبوع أود إعادة تدريب النظام الخاص بي على أساس 4 أسابيع السابقة يستحق البيانات. لقد وجدت هذا ضرب التوازن الصحيح بين التقاط الاتجاهات السلوكية السوق الأخيرة والتأمين على خوارزمي بلدي كان لديه ما يكفي من البيانات لإنشاء أنماط ذات مغزى. كما بدأ التدريب أخذ المزيد والمزيد من الوقت أنا تقسيمه بحيث يمكن أن يؤديها 8 أجهزة افتراضية باستخدام الأمازون EC2. ثم تم تجميع النتائج على الجهاز المحلي. وكانت نقطة عالية من التداول بلدي أكتوبر 2009 عندما جعلت ما يقرب من 100K. بعد ذلك واصلت لقضاء الأشهر الأربعة المقبلة في محاولة لتحسين برنامجي على الرغم من انخفاض الأرباح كل شهر. لسوء الحظ من هذه النقطة أعتقد أن إرسكود نفذت كل ما عندي من أفضل الأفكار لأن شيئا حاولت يبدو أن يساعد كثيرا. مع الإحباط من عدم القدرة على إجراء تحسينات وعدم وجود شعور النمو بدأت التفكير في اتجاه جديد. أنا عبر البريد الالكتروني 6 شركات تجارية عالية التردد مختلفة لمعرفة ما إذا كان ثرسكود تكون مهتمة في شراء برنامجي والتعاقد معي للعمل بالنسبة لهم. لم يرد أحد. كان لدي بعض الأفكار بدء التشغيل الجديدة أردت أن أعمل على ذلك لم أكن متابعة. أوبديت - لقد نشرت هذا على هاكر الأخبار وأنها قد حصلت على الكثير من الاهتمام. أريد فقط أن أقول إنني لا أدافع عن أي شخص يحاول أن يفعل شيئا من هذا القبيل بأنفسهم الآن. كنت في حاجة الى فريق من الناس الذكية حقا مع مجموعة من الخبرات لديهم أي أمل في المنافسة. حتى عندما كنت أفعل هذا وأعتقد أنه كان من النادر جدا للأفراد لتحقيق النجاح (على الرغم من أنني قد سمعت من الآخرين.) هناك تعليق في الجزء العلوي من الصفحة التي تشير الإحصاءات التلاعب ويشير لي كدوريكتيل إنفستوردكو أن كوانتس سوف لدكوجليفلي اختيار أوفردكو. هذا هو تعليق مؤسف إلى حد ما أنسترسكوس ببساطة لا تستند في الواقع. وضع ذلك جانبا ثيرسكوس بعض التعليقات المثيرة للاهتمام: news. ycombinatoritemid4748624 أوبديت 2 - نشرت إرسكووف أسئلة وأجوبة المتابعة التي تجيب على بعض الأسئلة الشائعة إرسكوف وردت من التجار حول هذا المنصب. Machine التعلم نظم التداول و سبدر سامب 500 إتف (سبي) هي واحدة من منتجات إتف المتداولة على نطاق واسع في السوق، مع حوالي 200Bn في الأصول ومتوسط ​​دوران أقل من 200 مليون سهم يوميا. لذا فإن احتمال القدرة على تطوير نظام تداول المال باستخدام المعلومات المتاحة للجمهور قد يبدو ضئيلا. لذلك، لإعطاء أنفسنا فرصة القتال، وسوف نركز على محاولة للتنبؤ حركة بين عشية وضحاها في سبي، وذلك باستخدام البيانات من جلسة اليوم السابق 21821s. بالإضافة إلى أوبنهيغلو وأسعار إغلاق جلسة اليوم السابق، اخترنا عددا من المتغيرات المعقولة الأخرى لبناء ناقلات الميزة نحن نذهب لاستخدامها في نموذج التعلم آلة لدينا: حجم اليومي في اليوم السابق 8217s سعر الإغلاق 200 يوم و 50 يوما و 10 أيام المتوسطات المتحركة لأسعار الإغلاق الأسعار المرتفعة والمنخفضة لمدة 252 يوما لسلسلة سبي سنحاول بناء نموذج يتنبأ بالعودة بين عشية وضحاها في إتف، أي O (t1) - C (t) C (t) في هذا التمرين نستخدم البيانات اليومية من بداية سلسلة سبي حتى نهاية عام 2014 لبناء النموذج الذي سنقوم بعد ذلك باختبار البيانات خارج العينة التي تبدأ من يناير 2015 - أغسطس 2016. وفي سياق التردد العالي، سيتم إنفاق قدر كبير من الوقت في تقييم وتنظيف وتطبيع البيانات. وهنا نواجه مشاكل أقل من ذلك بكثير. وعادة ما يمكن توحيد البيانات المدخلة لتعادل تأثير المتغيرات التي يمكن قياسها على جداول مختلفة جدا من حيث الحجم. ولكن في هذا المثال، تقاس جميع المتغيرات المدخلة، باستثناء الحجم، على نفس المقياس، ومن ثم يمكن القول بأن التوحيد القياسي غير ضروري. أولا، يتم تحميل البيانات في العينة واستخدامها لإنشاء مجموعة تدريبية من القواعد التي رسم متجه ميزة لمتغير الفائدة، والعودة بين عشية وضحاها: في ماثماتيكا 10 قدم ولفرام مجموعة من خوارزميات التعلم الآلي التي تشمل الانحدار، أقرب جار ، والشبكات العصبية والغابات العشوائية، جنبا إلى جنب مع وظيفة لتقييم واختيار أفضل أداء آلة التعلم. هذه المرافق تجعل من استقامة جدا لخلق المصنف أو نموذج التنبؤ باستخدام خوارزميات التعلم الآلي، مثل هذا المثال التعرف على الكتابة اليدوية: نحن خلق نموذج تنبؤي على سبي تراينينغسيت، مما يسمح الرياضيات لاختيار أفضل خوارزمية تعلم الآلة: وهناك عدد من خيارات للدالة التنبؤ التي يمكن استخدامها للسيطرة على اختيار الميزة، نوع الخوارزمية، نوع الأداء والهدف، بدلا من مجرد قبول الافتراضات، كما فعلنا هنا: بعد بناء نموذج التعلم الآلي لدينا، نموذج البيانات من يناير 2015 إلى أغسطس 2016، وإنشاء مجموعة اختبار: نحن إنشاء كائن التنبؤ بريديكتيونيماسوريمنت، باستخدام أقرب نموذج الجار. التي يمكن استخدامها لمزيد من التحليل: هناك isn8217t الكثير من التشتت في التنبؤات النموذج، والتي لها جميعا قيمة إيجابية. وهناك أسلوب شائع في مثل هذه الحالات هو طرح المتوسط ​​من كل من التنبؤات (ويمكننا أيضا توحيدها عن طريق قسمة الانحراف المعياري). ويظهر هذا الانعكاس من العائدات الفعلية مقابل المتوقعة بين عشية وضحاها في سبي الآن مثل هذا: هناك 8217s لا يزال هناك نقص واضح في التشتت في قيم التوقعات، مقارنة مع العائدات بين عشية وضحاها الفعلية، والتي يمكننا تصحيح عن طريق التوحيد القياسي. وعلى أية حال، يبدو أن هناك علاقة صغيرة غير خطية بين القيم المتوقعة والقيم الفعلية، الأمر الذي يبعث على بعض الأمل في أن النموذج قد يكون مفيدا بعد. من التنبؤ إلى التداول هناك أساليب مختلفة لنشر نموذج التنبؤ في سياق إنشاء نظام التداول. إن أبسط الطرق، التي سنتخذها هنا، هي تطبيق بوابة عتبة وتحويل التنبؤات التي تمت تصفيتها مباشرة إلى إشارة تجارية. ولكن من الممكن اتباع نهج أخرى، على سبيل المثال: الجمع بين التنبؤات من نماذج متعددة لإنشاء مجموعة التنبؤات استخدام التنبؤات كمدخلات لنموذج البرمجة الوراثية تغذية التنبؤات في طبقة المدخلات من نموذج الشبكة العصبية المصممة خصيصا لتوليد إشارات التداول، بدلا من ذلك من التنبؤات في هذا المثال سوف نقوم بإنشاء نموذج التداول عن طريق تطبيق مرشح بسيط على التوقعات، فقط اختيار تلك القيم التي تتجاوز عتبة محددة. هذا هو خدعة القياسية المستخدمة لعزل إشارة في نموذج من الضوضاء الخلفية. وسوف نقبل فقط الإشارات الإيجابية التي تتجاوز مستوى العتبة، وخلق نظام تداول طويل فقط. أي أننا نتجاهل التنبؤات التي تقل عن مستوى العتبة. نشتري الجاسوس عند الإغلاق عندما تتجاوز التوقعات عتبة والخروج من أي موقف طويل في اليوم التالي 8217s مفتوحة. وتنتج هذه الاستراتيجية النتائج الأولية التالية: الاستنتاج يحتوي النظام على بعض الميزات الجذابة جدا، بما في ذلك معدل الفوز أكثر من 66 ومعدل نمو سنوي مركب يزيد على 10 لفترة خارج العينة. ومن الواضح أن هذا هو التوضيح الأساسي جدا: نود أن نأخذ في الاعتبار عمولات التداول، وأن الانزلاق يتكبد الدخول والخروج من المناصب في فترات ما قبل وما قبل السوق، الأمر الذي سيؤثر سلبا على الأداء. من ناحية أخرى، بدأنا بالكاد نخدش السطح من حيث المتغيرات التي يمكن اعتبارها لإدراجها في ناقلات العناصر، والتي قد تزيد من القوة التوضيحية للنموذج. وبعبارة أخرى، في الواقع، هذه ليست سوى بداية لعملية بحث مطولة وشاقة. ومع ذلك، ينبغي أن يكون هذا المثال البسيط كافيا لإعطاء القارئ طعم ما 8217s المشاركة في بناء نموذج التداول التنبؤي باستخدام خوارزميات التعلم الآلي.