seleccionar los datos de prueba para las redes neuronales

Question

He estado trabajando en una red neuronal basada en ciertos indicadores técnicos. Como sabrán las personas familiarizadas con las redes neuronales después de desarrollar una hipótesis, se supone que el desarrollador también debe proporcionar un conjunto de datos de los que aprender. Ahora bien, si se tratara de un caso de desarrollo de redes neuronales para la fitering de spam, le proporcionaría conjuntos de datos de spam y no spam. Pero en mi caso, ¿cómo selecciono el punto de compra/venta... selecciono al azar los puntos de entrada donde puedo ver visualmente el movimiento del precio que deseo o hay un mejor enfoque?

Answer 1

Descubrirá que el nivel de éxito que tenga utilizando las redes neuronales (NN) como herramienta para la predicción del mercado financiero depende fuertemente de lo que inicialmente parecen ser algunos factores bastante sutiles. En particular:

Datos de entrada: Usted menciona el uso de "ciertos indicadores técnicos". Asumo que te refieres al conjunto estándar de indicadores basados en el precio, como los promedios móviles, MACD, RSI, CCI, el oscilador estocástico, Williams %R, etc., y probablemente también a algunos indicadores relacionados con el volumen de operaciones. Encontrará que sus resultados NN serán sensibles a los períodos de observación que utilice para cada uno de estos indicadores y necesitará hacer una amplia experimentación con esto, así como normalizaciones y transformaciones de los indicadores que elija.

Datos de salida/entrenamiento: Su(s) salida(s) del NN puede(n) ser continua(s) o discreta(s), por ejemplo binaria {0,1} o ternaria {-1,0,+1}. Depende de ti elegir qué tipo de salida quieres y esto depende enteramente de la pregunta que estás intentando responder (es decir, exactamente lo que estás intentando predecir) con la ayuda del NN. Encontrarás que los NN pueden ser muy sensibles a esto. Por ejemplo, desde la perspectiva del comerciante humano, las siguientes preguntas pueden no parecer muy diferentes, pero desde la perspectiva del NN son bastante diferentes:

1) ¿Cuánto subirán las acciones de XYZ o el mercado en general (en puntos o en %) entre el cierre de hoy y el de mañana? (Se requiere una producción de valor continuo).

2) Durante el mismo período, ¿el stock de XYZ aumentará más del 3,5%? SÍ=1 o NO=0 (salida binaria)

3) ¿Subirá el stock de XYZ significativamente (salida = +1), bajará significativamente (salida = -1) o, dentro de cierta tolerancia, permanecerá más o menos igual (salida = 0)?

4) ¿Es probable que el precio de mañana (o de hoy?) sea el más alto / bajo de la próxima semana? (salida binaria)

5) Si compro hoy, ¿debo cerrar mi posición el viernes o mantenerla durante el fin de semana? (salida binaria, basada en sus estudios de rentabilidad, reducción y otras métricas de comercio).

etc.

Si tienes menos éxito de lo que esperabas con tu NN, entonces intenta hacer una pregunta ligeramente diferente. Recuerde también que a veces incluso un pequeño resultado "sólo un poco mejor que el azar" puede ser suficiente para darle una ventaja útil en el comercio.

Answer 2

Las redes neuronales son un algoritmo de aprendizaje de máquina supervisado. A diferencia del aprendizaje automático no supervisado, la clave del aprendizaje automático supervisado es la selección de factores de entrada y el etiquetado explícito de las salidas.

Los factores de entrada tienen que ser seleccionados manualmente, como su combinación de indicadores técnicos / fundamentales / estadísticos. Las salidas tienen que estar explícitamente etiquetadas (señales de compra/venta) basadas en sus factores de entrada seleccionados.

Por ejemplo, un ejemplo súper sencillo podría ser:

f1 = Promedio móvil de X días cruzando por encima del promedio móvil de Y días

f2 = ADX sobre Z

Luego crearía un conjunto de entrenamiento usando estos factores y etiquetando su producción:

f1 = 0, f2 = 0 --> mantener

f1 = 1, f2 = 1 --> comprar

f1 = 1, f2 = 0 --> comprar

f1 = 1, f2 = 1 --> vender

Entonces entrena a tu red NN contra este conjunto de entrenamiento. Una vez que el NN esté entrenado, debes ejecutar el conjunto de NN en un conjunto de pruebas fuera de muestra para evaluar el rendimiento del NN.

Answer 3

Sólo miro al futuro y decido qué posición hubiera querido.

Si $price_{t+interval} > price_t$ + costos de transacción entonces posición = 1.

menos de lo que sería -1 y el plano sería 0.

Así que ahora tendría una matriz de indicadores y la posición deseada en el tiempo t.