Comercio algorítmico: Normalización y selección de indicadores técnicos para redes neuronales artificiales

Question

Estudié durante un tiempo el trading algorítmico basado en indicadores técnicos. Empecé a aprender acerca de las redes neuronales y quiero utilizar indicadores de comercio técnico en este enfoque.

Sin embargo, no estoy seguro de cómo normalizar, leer las preguntas anteriores, pero no hay una respuesta clara.

¿Hay alguien que pueda sugerir un punto de partida?

Answer 1

Esta pregunta es amplia, y la estrategia de normalización va a depender de la naturaleza de su indicador.

Suponiendo que los indicadores técnicos sean una serie temporal, hay dos enfoques sencillos para normalizar los datos:

1. Calcula la diferencia entre cada paso de tiempo. Si está introduciendo varias señales en una red neuronal, debería confirmar que los valores tienen una magnitud similar, y escalar si es necesario (obviamente, sus características no estarán claramente delimitadas [0,1], a menos que esa sea la naturaleza del indicador). Una forma fácil de entender Tutorial de Python utilizando esta estrategia se puede encontrar en el Microsoft Cognitive Toolkit; o
2. Calcule los rendimientos / el cambio porcentual del indicador en cada paso de tiempo, lo que le dará un resultado escalado entre 0 y 1, es decir. (t2 - t1) / t1 donde t1 es la señal en el paso de tiempo 1 y t2 es la señal en el paso de tiempo 2.

Dominio del aprendizaje automático es un buen recurso para los tutoriales que incluirán los pasos de normalización apropiados para diferentes tipos de características con un fuerte enfoque en los datos de series de tiempo, y hasta cierto punto para diferentes modelos de aprendizaje profundo.

Por último, si te apetece el reto, repasa el capítulo Características fraccionalmente diferenciadas en Avances en el aprendizaje automático financiero por Marcos López De Prado. Excelente reflexión y repaso de los retos que supone tratar con el tipo de características que se quieren utilizar.