¿Cuál es una buena tasa de éxito utilizando el aprendizaje automático para un principiante?

Question

Sé que esta pregunta será rápidamente destruida y mi cuenta baneada sumariamente, pero sólo tengo que preguntar:

Para un operador que utiliza algoritmos de aprendizaje automático (SVM, ANN, GA, árboles de decisión) para las finanzas cuantitativas, sin una intuición financiera experimentada, ¿qué se consideraría una buena tasa de confianza / éxito?

Sé que esto dependerá de lo siguiente, así como de otros elementos que desconozco:

-Mercado / Sector (acciones, materias primas, FOREX, etc.)
-Inversión principal
-Frecuencia de las operaciones
-Precio de las acciones
-Noticias Volatilidad del sector
-Rango de fechas utilizadas para los conjuntos de datos

Por favor, siéntase libre de enumerar otras consideraciones... Pero al final, para aclarar la pregunta, me gustaría tener un número objetivo. 75%? Con un 60% estaría dando aproximadamente un paso adelante por cada 10 pasos dados. Si es menos, podría lanzar una moneda al aire. Si varía, por favor, enumere las consideraciones bajo las que lo hacen. Si es posible, sería preferible utilizar estos modelos para apoyar las operaciones durante un período de días en lugar de segundos/minutos.

Si tiene otras sugerencias sobre cómo hacer las cosas basándose en el bajo/alto, el principal, los mercados a considerar, los precios de las acciones, etc. por favor siéntase libre. Si mi pregunta no tiene sentido, por favor dígame por qué. Gracias.

ACTUALIZACIÓN

-En este punto simplemente estaba tratando de predecir los movimientos al alza y a la baja durante un período de 5 días. Simple. 45%.
-Los datos de Yahoo gratuitos sean mi fuente de datos de mercado... comillas diarias. No estaba seguro de si la información intradía sería útil.
-He intentado con RNAs, SVMs y algunos GAs hasta ahora.
-No buscaba operar en tiempo real, sino identificar las mareas regulares durante un periodo de varios días.
-Tal vez si consigo que mi error sea lo suficientemente alto, ¡puedo simplemente comerciar en contra de mis predicciones! (no, en serio)

Answer 1

La "tasa de éxito", en el sentido del porcentaje de operaciones ganadoras (W) frente a las perdedoras (L), carece casi por completo de sentido si se toma por sí sola como métrica de negociación. Con una estrategia de seguimiento de la tendencia (TF), en la que se sale rápidamente de cualquier operación que empiece a ser perdedora (es decir, se reducen las pérdidas rápidamente) pero se dejan correr los beneficios, una tasa de ganancia típica estaría en torno al 35% o así, y esto es excelente si el importe medio de las ganancias es 3 veces el importe medio de las pérdidas. En este caso, su rendimiento esperado es de 0,35x3 - 0,65x(1) = +0,40 veces R, donde R es la cantidad que ha arriesgado por operación. Por el contrario, con una estrategia de trading de Contra-Tendencia (CT) / Reversión de la Media, donde su cantidad ganadora por operación podría no ser más de 1,2 veces R, por lo que necesitará una tasa de ganancias de al menos el 65% para ser igualmente rentable, es decir, 0,65x1,2 - 0,35x1 = +0,43 veces R por operación. Las cifras anteriores son razonables para los sistemas de negociación de la vida real. De hecho, si usted hace un promedio de 0,4*R por operación con cualquiera de los dos tipos de sistemas, ganará MUCHO dinero y podrá considerarse muy exitoso como operador. Como puede ver en el ejemplo, el "éxito" no equivale necesariamente a una alta tasa de ganancias. La tasa de ganancias que usted NECESITA para tener éxito financiero en el comercio dependerá totalmente de cuál es su estilo de comercio preferido.

Answer 2

En mi opinión, estás pensando en esto de manera equivocada. El porcentaje de victorias y derrotas no tiene ningún valor por sí solo. Debes considerar la simetría de tus ganadores y perdedores. Puedes tener un porcentaje de victorias de sólo el 40% y aún así tener una estrategia maravillosa si tus ganadores son significativamente mayores que tus perdedores (esta es la clásica distribución PnL del seguidor de la tendencia).

Por lo tanto, podrías lanzar una moneda y ver una precisión de predicción del 50%. Eso sería excepcional si sus ganadores son 2 veces más grandes que sus perdedores.

Answer 3

De acuerdo, por un centavo, por una libra :-)

En primer lugar, supongamos que tiene niveles críticos simétricos superior e inferior (llámelos "objetivo" y "tope" si lo desea). Sólo en este caso es relevante el porcentaje de aciertos.

Incluso, entonces la tasa de aciertos es una función del tiempo. Si se adopta una visión de 5d/1w, acertar el 51% es muy diferente a acertar el 51% en una visión de 21d/1m, que es muy diferente a acertar el 51% en una visión de 65d/3m. Todo ello se traduce en tasas de acierto anuales muy diferentes. Tasas de acierto "tiempo root", como por ejemplo la volatilidad. [estrictamente hablando, son probit-tiempo, pero a quién le importa :-)]

La conclusión es que los índices de aciertos más bajos a frecuencias más altas son equivalentes a los índices de aciertos más altos a frecuencias más bajas.

Teóricamente (¡siempre una fuerte advertencia!), esto no tiene por qué importar porque la apuesta "óptima" (Kelly) detrás de cualquier riesgo financiero no es su Ratio de Sharpe o de Información, es decir, la rentabilidad esperada sobre la volatilidad esperada. Es la rentabilidad esperada sobre la varianza esperada, que es independiente del horizonte temporal.

Excepto que la maximización del beneficio en estas condiciones contiene condiciones implícitas que asustan a la mayoría de los seres humanos normales. Por ejemplo, ¡hay que esperar que en algún momento se pierda más de un tercio de la riqueza con dos tercios de probabilidad!

Eso, sumado a la compra de cada subida y la venta de cada bajada apalancada en un ~5%, tiende a alejar a la mayoría de los seres humanos normales de la estrategia matemáticamente "óptima" (para cualquier conjunto de supuestos de riesgo:recompensa en los que el inversor tenga realmente confianza).

Answer 4

Sinceramente, si consigues el 50,1% deberías estar contento:)

Predecir el futuro es simplemente difícil y si puedes hacerlo de forma fiable, entonces, por definición, has encontrado una forma de ganar dinero. Piensa en cuántos fondos de cobertura y cuántos doctores están trabajando en esto ahora mismo.

Los mayores problemas con los que se encontrará son el ajuste de curvas y el sesgo de supervivencia. Es decir, ajustará su modelo de aprendizaje a los datos que tiene para las pruebas retrospectivas y lo que suele ocurrir es que, tras un poco de ajuste, su modelo predice perfectamente lo que ocurrió el día en que lo probó y esa es la única vez que predice con exactitud lo que hace el mercado.

Lo siento si esto suena sombrío, pero es increíblemente difícil predecir con exactitud el futuro, o dicho de otro modo, el éxito en el aprendizaje automático para un principiante es probablemente no hacer las cosas peor que las conjeturas al azar.

Algunas preguntas para ayudar a dar cuerpo a lo que está haciendo...

• ¿Qué intenta predecir específicamente?
• ¿Cuál es su fuente de datos de mercado?
• ¿Qué algoritmos ml está utilizando?
• ¿Pueden funcionar en tiempo real?

En cuanto a qué porcentaje de acertar hay que fijarse en el objetivo .... es una función basada en cuánto se pierde/gana por cada orden que se pone.