[PYTHON] Un mémo sur la façon de surmonter le problème difficile de la capture d'effets avec l'IA

Prise en compte des prévisions d'échange

Nous avons lancé un plan de trading semi-AI pour récupérer l'argent perdu en FX.

Problème de prévision du marché des changes

• Le marché des changes n'est pas un problème linéaire. Seuls des paramètres simples peuvent être définis
• S'il y a peu de variables explicatives, vous ne pouvez jamais créer un modèle polyvalent. —— En raison de la nature du marché, l'environnement général du marché est différent, de sorte qu'un même intrant peut produire des résultats différents. C'est quelque chose pour lequel les ordinateurs ne sont pas particulièrement
• Les ordinateurs ne peuvent pas comprendre des concepts abstraits tels que «comportement» et «marché»
• Même un ordinateur d'échecs de classe mondiale ne sait même pas ce que sont les échecs réels
• Donc l'ordinateur sait juste comment gagner
• La nature dépendante du temps et non déterministe des taux de change est difficile pour les systèmes d'apprentissage automatique
• Vous devez comprendre la situation du marché essentiellement Le trading en direct est assez difficile compte tenu du temps requis pour l'apprentissage et la vérification.
• Cela n'a pas de sens de simplement créer un modèle basé sur votre capacité à faire des prédictions précises (vers le haut ou vers le bas) --99 petites décisions peuvent être annulées par une seule grande décision
• Pour éviter ce problème, utilisez la méthode de recyclage de l'algorithme d'apprentissage automatique.

Comment éviter le problème de prévision du marché FX

① En utilisant une fenêtre flexible, le biais de sélection associé à l'ensemble dans l'échantillon / hors échantillon est réduit. (2) La formation sera une série d'exercices de vérification afin que l'algorithme d'apprentissage automatique fonctionne toujours correctement même si les ensembles de données sont significativement différents. Dans le processus d'établissement de la valeur réelle et de la méthode d'un algorithme, la mesure des performances de backtesting doit également être considérée comme importante.

――Cette approche n'est pas sûre (commande toujours sûre)

• Ajustement de courbe biaisé (surapprentissage) et exploration de données (technologie pour extraire les connaissances)
• Pour atténuer cela, nous avons utilisé un vaste ensemble de données, effectué une grande quantité de tests d'évaluation des biais d'exploration de données, et Il est important d'éliminer la possibilité de résultats prometteurs accidentels (création d'un algorithme de détermination de la situation du marché semi-parfait)

③ Sur la base de ce qui précède, pouvez-vous appréhender le marché actuel en temps réel et augmenter les chances de succès avec des algorithmes personnalisables? Peut

Conclusion

Actuellement à l'étude, des conclusions seront bientôt tirées