enfoque sobre comercio algoritmo usando la máquina de aprendizaje

Question

digamos que yo soy la supervisión de un trading algorítmico proyecto mediante el aprendizaje de máquina. No tengo participación en la parte técnica, pero estoy involucrado en la planificación en el nivel alto.

el estilo es probable que el impulso de la negociación.

¿cuáles son los recursos que puedo familiarizarme con los temas y cuáles son las principales algoritmos ya disponibles para dirigir el proyecto/conversaciones? gracias

Answer 1

'Machine learning' describe un espectro muy amplio de algoritmos. Brevemente, aquí hay un par de áreas conceptuales;

• Las redes neuronales
• El aprendizaje por refuerzo
• Los algoritmos genéticos y la programación genética
• Partículas enjambre de optimización (PSO)
• Modelos de regresión
• Optimización de rutinas
• Los modelos de Markov
• Óndula y la transformada de Fourier y el Análisis Espectral.
• La agrupación

Usted, evidentemente, no puede desaparecer y convertirse en un experto en esos noche a la mañana, pero usted puede tener una idea general de los tipos de problemas que resolver con un poco de wikipedia.

Tengo la sospecha de que son conscientes de esto, pero ya que no sólo puede recoger una enorme cantidad de datos, tapón en un holística 'algoritmo' y obtener resultados. Los mejores resultados se deben a menudo a bien colocado conjeturas sobre determinadas estructuras en los datos que precisa de algoritmos de búsqueda. Muchos de los mejores resultados que podemos ver en 'ai', hoy son esencialmente artesanal algoritmos diseñados para una tarea específica en los datos específicos.

Sin duda el encuentro de dos cosas en su proyecto.

1) Backtesting - asegúrese de que hay un banco de pruebas de datos que un algoritmo tiene acceso y que no tiene " el espionaje de la capacidad, es decir, no puede acceder a los datos que de otro modo no está disponible en el momento. Un buen ejemplo es el dividendo ajustado los precios de las acciones cuando el dividendo es un 'desconocido el valor futuro'. Las pruebas en completamente invisible de datos es la única manera de evaluar el desempeño de lo contrario, usted ha sesgado las pruebas y los resultados de las pruebas no coinciden con la realidad.

2) la Combinación de algoritmos. Disociada algoritmos pueden ser construidos y combinado, donde otro algoritmo tiene la responsabilidad de detectar la mejor combinación. De nuevo hace generalmente a través de la optimización de alguna función como recompensa/riesgo de una combinación de algos. Aquí es donde los algoritmos genéticos / PSO puede ser empleado. Heres un último enlace a un ejemplo de la fusión de diferentes algoritmos que había un híbrido estructura de recompensas con un divertido resultado https://sploid.gizmodo.com/microsofts-ai-just-shattered-the-ms-pac-man-high-score-1796091352 - mejor enlace https://blogs.microsoft.com/ai/divide-conquer-microsoft-researchers-used-ai-master-ms-pac-man/#sm.000jjtxcn14wufqgy2q23tdff39d0