[PYTHON] Ein Memo darüber, wie man das schwierige Problem der Erfassung von FX mit AI überwinden kann

Überlegungen zur Börsenprognose

Wir haben einen Semi-AI-Handelsplan gestartet, um das in FX verlorene Geld zurückzugewinnen.

Problem der Devisenmarktprognose

• Der Börsenmarkt ist kein lineares Problem. Es können nur einfache Parameter definiert werden
• Wenn es nur wenige erklärende Variablen gibt, können Sie niemals ein vielseitiges Modell erstellen. —— Aufgrund der Art des Marktes ist das allgemeine Marktumfeld unterschiedlich, sodass der gleiche Input zu unterschiedlichen Ergebnissen führen kann. ――Das ist etwas, in dem Computer nicht besonders gut sind
• Computer können abstrakte Konzepte wie "Verhalten" und "Markt" nicht verstehen.
• Selbst ein erstklassiger Schachcomputer weiß nicht einmal, was das eigentliche Schach ist
• Der Computer weiß also nur, wie man gewinnt
• Zeitabhängige und nicht deterministische Wechselkurse sind für maschinelle Lernsysteme schwierig
• Sie müssen die Marktsituation im Wesentlichen verstehen ――Live Trading ist angesichts der Zeit, die zum Lernen und Verifizieren benötigt wird, ziemlich schwierig.
• Es ist nicht sinnvoll, einfach ein Modell zu erstellen, das auf Ihrer Fähigkeit basiert, genaue Vorhersagen zu treffen (nach oben oder unten). --99 kleine Entscheidungen können durch eine große Entscheidung ausgelöscht werden
• Um dieses Problem zu vermeiden, verwenden Sie die Methode zur Umschulung des Algorithmus für maschinelles Lernen.

So vermeiden Sie das Problem der Devisenmarktprognose

① Durch die Verwendung eines flexiblen Fensters wird die mit dem In-Sample- / Out-of-Sample-Satz verbundene Auswahlverzerrung verringert. (2) Das Training besteht aus einer Reihe von Überprüfungsübungen, damit der Algorithmus für maschinelles Lernen auch dann ordnungsgemäß funktioniert, wenn sich die Datensätze erheblich unterscheiden. Bei der Ermittlung des tatsächlichen Werts und der Methode eines Algorithmus sollte auch die Messung der Backtesting-Leistung als wichtig angesehen werden.

• Ein solcher Ansatz ist nicht ausfallsicher (immer sichere Kontrolle)
• Voreingenommene Kurvenanpassung (Überlernen) und Data Mining (Technologie zum Extrahieren von Wissen)
• Um dies zu mildern, haben wir einen riesigen Datensatz verwendet, eine große Menge von Data Mining-Bias-Bewertungstests durchgeführt und Es ist wichtig, die Möglichkeit versehentlicher vielversprechender Ergebnisse auszuschließen (Erstellung eines semi-perfekten Algorithmus zur Bestimmung der Marktsituation).

③ Können Sie auf dieser Grundlage den aktuellen Markt in Echtzeit erfassen und die Erfolgschancen mit anpassbaren Algorithmen erhöhen? Kann

Fazit

Derzeit werden Schlussfolgerungen gezogen