อัลกอริทึมการเรียนรู้ของเครื่องใดที่สามารถใช้เพื่อทำนายตลาดหุ้น?


15

อีกวิธีหนึ่งคือการทำนายตลาดแลกเปลี่ยนเงินตราต่างประเทศ ฉันรู้ว่าสิ่งนี้อาจซับซ้อนมากดังนั้นในการแนะนำตัวฉันกำลังมองหาอัลกอริธึมการทำนายอย่างง่ายที่มีความแม่นยำ

(สำหรับโครงการวิทยาศาสตรมหาบัณฑิตที่ใช้เวลาสี่เดือน)

ฉันได้อ่านแล้วว่าเครือข่ายประสาทหลายชั้นอาจมีประโยชน์ ความคิดใด ๆ นอกจากนี้การวิเคราะห์เชิงความหมายของโซเชียลมีเดียอาจให้ข้อมูลเชิงลึกเกี่ยวกับพฤติกรรมของตลาดซึ่งมีอิทธิพลต่อตลาดหุ้น อย่างไรก็ตามการวิเคราะห์เชิงความหมายอยู่นอกขอบเขตของโครงการในขณะนี้


15
ของฉัน แต่ด้วยเหตุผลที่ชัดเจนฉันเก็บทุกอย่างไว้เพื่อตัวเอง!
babelproofreader

7
หากใครเชื่อว่าสมมติฐานของตลาดที่มีประสิทธิภาพเป็นไปไม่ได้ที่จะบรรลุผลตอบแทนสูงกว่าตลาดโดยเฉลี่ย (โดยไม่มีความรู้ภายใน) อย่างสม่ำเสมอซึ่งถูกสร้างขึ้นในอัตรา / ราคาปัจจุบัน ผู้คนจำนวนมากไม่เห็นด้วยกับเรื่องนี้ แต่เกือบทุกคนเห็นด้วยว่ามันเป็นเรื่องจริงสำหรับนักลงทุนทั่วไป กล่าวอีกนัยหนึ่งแบบจำลอง 3 บรรทัดที่อิงกับ rand () น่าจะดีเท่ากับนักลงทุนทั่วไป: P
rm999

5
มันดูเหมือนว่าไม่น่าที่ทุกคนจะยินดีที่จะแบ่งปันอัลกอริทึมที่มีการใด ๆความถูกต้องออกจากกลุ่มตัวอย่าง ยกเว้นบางทีบางงานวิชาการที่ตีพิมพ์ที่ผิดปกติมีขนาดเล็กและไม่ครอบคลุมค่าใช้จ่ายในการทำธุรกรรม
NPE

2
สำหรับงานวิชาการมันอาจจะคุ้มค่ากว่าที่จะเป็นแบบจำลองราคาแทนที่จะพยายามทำนายมัน การทำนายอาจจะพิสูจน์ว่าไม่สำเร็จ แต่อย่างน้อยการสร้างแบบจำลองอาจให้ข้อมูลเชิงลึกเกี่ยวกับการทำงานของสิ่งต่าง ๆ และทฤษฎีอาจขยายไปถึงการทำนาย
highBandWidth

2
@ ตอนนี้ฉันไม่คิดว่ามันเกี่ยวกับการ overfitting มันเกี่ยวกับการอนุญาตให้ตัวทำนายที่ไม่สามารถใช้สำหรับการทำนายได้ตัวอย่างเช่นตัวแปรที่เกิดขึ้นระหว่าง / หลังการเคลื่อนไหวของสต็อก - ถ้าคุณพบว่าหุ้นของ Apple และ microsoft มีความสัมพันธ์กัน เพื่อคาดการณ์หุ้น msft แต่มีข้อมูลมาก
rm999

คำตอบ:


17

ในฐานะที่เป็นbabelproofreader กล่าวถึงผู้ที่มีขั้นตอนวิธีการที่ประสบความสำเร็จมักจะเป็นความลับเกี่ยวกับมัน ดังนั้นจึงไม่น่าเป็นไปได้ที่อัลกอริทึมที่ใช้กันอย่างแพร่หลายจะมีประโยชน์มากนอกกรอบยกเว้นว่าคุณกำลังทำสิ่งที่ฉลาดไว้

ที่กล่าวว่าการเรียนรู้เกี่ยวกับแบบจำลองจำนวนเต็มเฉลี่ยเคลื่อนที่อัตโนมัติ (ARIMA)อาจเป็นการเริ่มต้นที่มีประโยชน์สำหรับการคาดการณ์ข้อมูลอนุกรมเวลา อย่าคาดหวังว่าจะดีไปกว่าผลลัพธ์แบบสุ่ม


5
+1: ฉันเคยอ่านหรืออยู่ในห้องเรียนกี่ครั้งแล้วและได้ยินคนที่เชื่อว่าถ้าพวกเขามีอัลกอริธึมที่ซับซ้อนเพียงพอพวกเขาจะรวยในตลาดหุ้น / ไฟฟ้า / สินค้าโภคภัณฑ์ คุณพยายามอธิบาย overfitting ฯลฯ แต่จะไม่มีประโยชน์ เฮคเท่าที่ฉันรู้ไม่ใช่การเป็นคนวงในซอฟต์แวร์ซื้อขายหุ้นที่ประสบความสำเร็จได้ขึ้นอยู่กับค่าธรรมเนียมการทำธุรกรรมการเก็งกำไรและความเร็วสูง ตอนนี้การใช้ช่องโหว่ในกฎการซื้อขายอัตโนมัติและข้อเสนอความเร็วสูง / ถอนการเสนอราคาเพื่อดูดหมัดผู้ค้าอัตโนมัติอื่น ๆ
Wayne

1
อีกประเด็นคือที่หลาย ๆ คนจบลงด้วยอัลกอริธึมเดียวกันเพราะพวกเขาได้ทำการฝึกอบรมเรื่องข้อมูลเดียวกันแล้วจึงทำการขาย / ซื้อปริมาณมาก อัลกอริทึมใด ๆ ที่คาดว่าจะมีความแม่นยำในระยะยาว?
มิเชล

@ Wayne มีกลยุทธ์ในการลดความกระชับมากเกินไปถึงแม้ว่าพวกเขาจะยากที่จะใช้ข้อมูลอนุกรมเวลา
Zach

1
@ Zach: ใช่มีวิธีการลงโทษ overfitting แต่เป็นทัศนคติที่ฉันคิด: ผู้ที่ได้ทำเส้นโค้งขั้นพื้นฐาน (อาจผิดพลาด) ใน Excel และรู้สึกว่าพวกเขาสามารถทำเงินกับซอสลับของพวกเขา แต่สิ่งที่พวกเขาต้องการจริงๆคือหนึ่งในอัลกอริธึมที่ล้ำสมัยและล้ำสมัยที่อาจารย์เพิ่งจะไม่แบ่งปันกับชั้นเรียน อัลกอริทึมนั้นจะพอดีกับข้อมูลเช่นถุงมือแล้วคาดเดาได้ดีกว่านักเก็งกำไรอื่น ๆ ที่ใช้กระดาษคำนวณ Excel ... แต่อาจารย์ก็ยังคงกังวลเรื่องการมีข้อมูลเกินกำลังและข้อ จำกัด ของข้อมูล ถอนหายใจ
Wayne

12

ฉันคิดว่าเพื่อจุดประสงค์ของคุณคุณควรเลือกอัลกอริทึมการเรียนรู้ของเครื่องที่คุณสนใจและลองใช้ดู

เกี่ยวกับทฤษฎีการตลาดที่มีประสิทธิภาพตลาดไม่มีประสิทธิภาพในทุกช่วงเวลา นอกจากนี้บางคน (ทั้งในสถาบันการศึกษาและในชีวิตจริง) ได้รับแรงบันดาลใจจากความท้าทายทางปัญญาไม่ใช่เพียงเพื่อให้รวยเร็วและพวกเขาเผยแพร่ผลลัพธ์ที่น่าสนใจ (และฉันนับผลลัพธ์ที่ล้มเหลวในฐานะที่น่าสนใจ) แต่รักษาทุกสิ่งที่คุณอ่านด้วยเกลือ หากผลลัพธ์ดีจริงๆอาจเป็นวิธีการทางวิทยาศาสตร์ของพวกเขาไม่ได้

การขุดข้อมูลด้วย Rอาจเป็นหนังสือที่มีประโยชน์สำหรับคุณ มันแพงและพยายามหามันในห้องสมุดมหาวิทยาลัยของคุณ บทที่ 2 ครอบคลุมสิ่งที่คุณต้องการจะทำและเขาได้รับผลลัพธ์ที่ดีที่สุดด้วยตาข่ายประสาท แต่ควรได้รับการเตือนว่าเขาได้รับผลลัพธ์ที่ไม่ดีและใช้เวลา CPU มากในการรับ ความคิดเห็น Amazon ชี้ให้เห็นหนังสือเล่มนี้ค่าใช้จ่าย $ 20 มากขึ้นเพราะบทที่กล่าวถึงคำการเงิน ; เมื่ออ่านมันฉันได้รับความประทับใจที่ผู้จัดพิมพ์ผลักให้เขาเขียน เขาทำการบ้านอ่านเอกสารอ่านรายการส่งจดหมายที่ถูกต้อง แต่ใจเขาไม่อยู่ในนั้น ฉันได้รับความรู้ R ที่มีประโยชน์จากมัน แต่จะไม่ตีตลาดด้วย :-)


@Darren - ฉันชอบสไตล์ของคุณ
rolando2

1
ร่างรุ่น (พฤษภาคม 2003) ของการทำเหมืองข้อมูลกับ Rสามารถพบได้ที่นี่ (ผมไม่ได้มีหนังสือดังนั้นฉันไม่สามารถพูดในสิ่งที่เป็นช่องว่างระหว่างสองรุ่น.)
CHL

@chi ขอบคุณ! ฉันมองอย่างรวดเร็วและมีเพียงสองในสี่บทเท่านั้น แต่แตกต่างที่ใหญ่กว่าคือการที่การคาดการณ์ผลตอบแทนตลาดหลักทรัพย์บทเป็นมากที่แตกต่างกัน ไม่ต้องพูดถึง xts หรือ quantmod และใช้แพ็คเกจ ts แทนและใช้ acf และแพ็คเกจ MARS แทน มันเกือบเหมือนบทโบนัสและฉันจะให้เวลาในการอ่านอย่างถูกต้อง เขายังคงใช้อวนประสาท แต่ไม่เปรียบเทียบกับ SVM เช่นเดียวกับในหนังสือที่ตีพิมพ์
Darren Cook

10

สำหรับความคิดของฉัน AI ที่แข็งแกร่งที่ทำงานอยู่ภายในโรงงานซึ่งสามารถทำสิ่งต่อไปนี้ทั้งหมดอาจทำให้เกิดการทำนายที่สำคัญทางสถิติได้อย่างง่ายดาย:

  • รวบรวมและทำความเข้าใจข่าวลือ

  • เข้าถึงและตีความความรู้ของรัฐบาลทั้งหมด

  • ทำในทุกประเทศที่เกี่ยวข้อง

  • ทำการคาดการณ์ที่เกี่ยวข้องเกี่ยวกับ:

    • สภาพอากาศ

    • กิจกรรมการก่อการร้าย

    • ความคิดและความรู้สึกของบุคคล

    • ทุกอย่างอื่นที่มีผลต่อการค้าขาย

การวิเคราะห์ทางสถิติเป็นสิ่งที่คุณกังวลน้อยที่สุด


4

คุณสามารถลองใช้ฟังก์ชัน auto.arimaและetsใน R คุณอาจประสบความสำเร็จกับแพ็คเกจrugarchแต่ไม่มีฟังก์ชั่นที่มีอยู่สำหรับการเลือกพารามิเตอร์อัตโนมัติ บางทีคุณอาจได้พารามิเตอร์สำหรับโมเดลค่าเฉลี่ยจากauto.arimaนั้นส่งต่อให้rugarchและเพิ่มgarch(1,1)?

มีบล็อกทุกประเภทที่อ้างว่าประสบความสำเร็จในการทำเช่นนี้ นี่เป็นระบบที่ใช้รูปแบบ Arima (และต่อมารูปแบบ GARCH) และระบบการใช้แบบจำลอง SVM คุณจะพบข้อมูลที่ดีมากมายเกี่ยวกับการซื้อขาย FOSSโดยเฉพาะถ้าคุณเริ่มอ่านบล็อกในบล็อกของเขา

ไม่ว่าคุณจะใช้โมเดลใดต้องแน่ใจว่าได้ทำการตรวจสอบความถูกต้องและเป็นมาตรฐาน! ฉันจะแปลกใจมากถ้าคุณพบรูปแบบ arima, ets หรือ garch ที่สามารถเอาชนะโมเดลไร้เดียงสาได้อย่างสม่ำเสมอ ตัวอย่างของอนุกรมเวลาข้ามการตรวจสอบสามารถพบได้ที่นี่และที่นี่ โปรดทราบว่าสิ่งที่คุณต้องการคาดการณ์จริงๆคือผลตอบแทนไม่ใช่ราคา


2

ฉันรู้วิธีการเรียนรู้ด้วยเครื่องจักรวิธีหนึ่งซึ่งปัจจุบันใช้งานโดยกองทุนป้องกันความเสี่ยงอย่างน้อยหนึ่งแห่ง numer.ai กำลังใช้ชุดอัลกอริทึมการเรียนรู้ของเครื่องที่ผู้ใช้จัดหาเพื่อควบคุมการดำเนินการของกองทุน

กล่าวอีกนัยหนึ่ง: กองทุนป้องกันความเสี่ยงให้การเข้าถึงข้อมูลที่เข้ารหัสแบบเข้ารหัสบนยานพาหนะเพื่อการลงทุนสองร้อยร้อยแห่งซึ่งเป็นหุ้นที่มีแนวโน้มมากที่สุด นักวิทยาศาสตร์ข้อมูลหลายพันคนและผู้ที่ไม่ชอบฝึกอบรมอัลกอริทึมการเรียนรู้ของเครื่องทุกประเภทกับข้อมูลนั้นและอัปโหลดผลลัพธ์ไปยังกระดานคะแนน ผู้ทำคะแนนสูงสุดจะได้รับเงินจำนวนเล็กน้อยโดยขึ้นอยู่กับความถูกต้องของผลลัพธ์และระยะเวลาที่ได้รับผลลัพธ์ทางออนไลน์

การคาดคะเนที่ดีที่สุดนั้นคาดคะเนจากอัลกอริธึม

ดังนั้นคุณมีนักวิทยาศาสตร์จำนวนมากที่ให้การเดาที่ผ่านการฝึกอบรมซึ่งบางตัวเป็นวงเวียนของการเดาและกองทุนเฮดจ์ฟันด์ใช้ชุดทั้งหมดของการคาดเดาทั้งหมดที่มีเพื่อทำการลงทุนโดยตรง

ผลลัพธ์ของกองทุนเฮดจ์ฟันด์ที่น่าสนใจนี้สอนให้ฉันสองสิ่ง

  1. ตระการตามักถูกมองว่าเป็นวิธีที่ดีในการคาดการณ์ในตลาดหุ้น
  2. การคาดการณ์ที่ดีต้องการวงดนตรีมากกว่าที่ฉันเต็มใจจะสร้างตัวเอง ...

หากคุณต้องการมีเวลาไปเยี่ยมชม: https://numer.ai/ ไม่ฉันไม่ได้มีส่วนเกี่ยวข้องกับพวกเขาฉันมักจะไม่ใช้จ่ายวันของฉันทางออนไลน์เมื่อฉันเชื่อมต่อกับกองทุนป้องกันความเสี่ยงที่มีพนักงานหลายพันคน แต่จ่ายเฉพาะผู้ที่ให้ผลลัพธ์ที่วัดได้ :)

ชุมชน numer.ai มีฟอรัมที่พวกเขาพูดถึงแนวทางของพวกเขาเพื่อให้คุณสามารถเรียนรู้จากผู้อื่นที่พยายามทำเช่นเดียวกัน

โดยส่วนตัวแล้วฉันคิดว่าทุกคนที่มีอัลกอริทึมที่ดีจะเก็บมันไว้เป็นความลับ


1

คุณควรลองใช้เครือข่ายประสาทเทียมชนิด GMDH ฉันรู้ว่าแพ็คเกจการค้าที่ประสบความสำเร็จบางอย่างสำหรับการคาดการณ์ตลาดหุ้นกำลังใช้งานอยู่ แต่พูดถึงเฉพาะในส่วนลึกของเอกสารประกอบ โดยสรุปมันเป็นเครือข่ายประสาทซ้ำแบบหลายชั้นดังนั้นคุณจึงมาถูกทาง


0

ฉันคิดว่ารุ่นมาร์คอฟที่ซ่อนอยู่นั้นเป็นที่นิยมในตลาดหุ้น สิ่งที่สำคัญที่สุดที่ต้องจำไว้คือคุณต้องการอัลกอริทึมที่เก็บรักษาแง่มุมชั่วคราวของข้อมูลของคุณ

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.