Atau, untuk memprediksi pasar valuta asing. Saya tahu ini bisa sangat rumit, jadi sebagai pengantar, saya mencari algoritma prediksi sederhana yang memiliki akurasi.
(Ini untuk proyek universitas M.Sc. yang berlangsung empat bulan)
Saya pernah membaca bahwa jaringan saraf multi-layer mungkin berguna. Adakah pemikiran tentang itu? Selain itu, analisis semantik media sosial dapat memberikan wawasan tentang perilaku pasar yang mempengaruhi pasar saham. Namun, analisis semantik agak di luar ruang lingkup proyek saat ini.
machine-learning
finance
siamii
sumber
sumber
Jawaban:
Seperti yang disebutkan oleh babelproofreader , mereka yang memiliki algoritma yang sukses cenderung sangat tertutup tentang hal itu. Dengan demikian, tidak mungkin algoritma apa pun yang tersedia secara luas akan sangat berguna di luar kotak kecuali Anda melakukan sesuatu yang pintar dengannya (pada titik itu semacam berhenti tersedia secara luas karena Anda menambahkannya).
Yang mengatakan, belajar tentang model rata-rata integerated moving average (ARIMA) autoregressive mungkin menjadi awal yang berguna untuk peramalan data time-series. Tapi jangan berharap lebih baik daripada hasil acak.
sumber
Saya pikir untuk keperluan Anda, Anda harus memilih algoritma pembelajaran mesin yang menurut Anda menarik dan mencobanya.
Mengenai Teori Pasar Efisien, pasar tidak efisien, dalam skala waktu apa pun. Juga, beberapa orang (baik di dunia akademis maupun di dunia nyata) termotivasi oleh tantangan intelektual, tidak hanya untuk menjadi kaya dengan cepat, dan mereka menerbitkan hasil yang menarik (dan saya menghitung hasil yang gagal sebagai yang menarik). Tetapi perlakukan semua yang Anda baca dengan sedikit garam; jika hasilnya benar-benar baik, mungkin metode ilmiahnya tidak.
Penambangan Data Dengan R mungkin menjadi buku yang berguna untuk Anda; harganya mahal, jadi cobalah dan temukan di perpustakaan universitas Anda. Bab 2 membahas apa yang ingin Anda lakukan, dan dia mendapatkan hasil terbaik dengan jaringan saraf. Tetapi berhati-hatilah karena dia mendapatkan hasil yang buruk, dan menghabiskan banyak waktu CPU untuk mendapatkannya. Ulasan Amazon menunjukkan bahwa buku itu berharga $ 20 lebih banyak karena bab itu menyebutkan kata keuangan ; ketika membacanya saya mendapat kesan penerbit telah mendorongnya untuk menulisnya. Dia sudah mengerjakan pekerjaan rumahnya, membaca dokumen, membaca milis yang benar, tetapi hatinya tidak ada di dalamnya. Saya mendapat beberapa pengetahuan R yang berguna darinya, tetapi tidak akan mengalahkan pasar dengan itu :-)
sumber
Menurut saya, AI kuat mana pun yang bisa melakukan semua hal berikut ini dapat dengan mudah menghasilkan prediksi yang signifikan secara statistik:
Kumpulkan dan pahami rumor
Akses dan tafsirkan semua pengetahuan pemerintah
Lakukan di setiap negara yang relevan
Buat prediksi yang relevan tentang:
Kondisi cuaca
Aktivitas teroris
Pikiran dan perasaan individu
Segala sesuatu yang mempengaruhi perdagangan
Analisis statistik adalah yang paling tidak Anda khawatirkan.
sumber
Anda bisa mencoba fungsi auto.arima dan ets di R. Anda mungkin juga sukses dengan paket rugarch , tetapi tidak ada fungsi yang ada untuk pemilihan parameter otomatis. Mungkin Anda bisa mendapatkan parameter untuk model rata-rata
auto.arima
, lalu meneruskannyarugarch
dan menambahkangarch(1,1)
?Ada banyak jenis blog di luar sana yang mengklaim beberapa keberhasilan melakukan ini. Berikut adalah sistem yang menggunakan model arima (dan kemudian model garch) dan sistem yang menggunakan model SVM . Anda akan menemukan banyak info bagus tentang perdagangan FOSS , terutama jika Anda mulai membaca blog di blogroll-nya.
Model apa pun yang Anda gunakan, pastikan untuk melakukan validasi silang dan tolok ukur! Saya akan sangat terkejut jika Anda menemukan model arima, ets, atau bahkan garch yang secara konsisten dapat mengalahkan model naif di luar sampel. Contoh validasi silang seri waktu dapat ditemukan di sini dan di sini . Perlu diingat bahwa yang Anda BENAR-BENAR ingin ramalkan adalah pengembalian, bukan harga.
sumber
Saya tahu satu pendekatan pembelajaran mesin yang saat ini digunakan oleh setidaknya satu dana lindung nilai. numer.ai menggunakan ensemble algoritma pembelajaran mesin yang disediakan pengguna untuk mengarahkan tindakan dana.
Dengan kata lain: Dana lindung nilai menyediakan akses terbuka ke versi data terenkripsi pada beberapa ratus kendaraan investasi, kemungkinan besar saham. Ribuan ilmuwan data dan sejenisnya melatih semua jenis algoritma pembelajaran mesin terhadap data itu dan mengunggah hasilnya ke papan skor. Pencetak skor tertinggi mendapatkan sejumlah kecil uang tergantung pada keakuratan hasil mereka dan berapa lama hasilnya telah tersedia secara online.
Prediksi terbaik seharusnya dibuat oleh ensemble algoritma.
Jadi, Anda memiliki banyak ilmuwan yang menyediakan tebakan terlatih, beberapa di antaranya adalah ansambel tebakan sendiri dan hedge fund menggunakan ansambel semua tebakan yang disediakan untuk mengarahkan investasi mereka.
Hasil hedge fund yang agak menarik ini mengajari saya dua hal:
Jika Anda ingin mencoba, kunjungi: https://numer.ai/ Tidak, saya TIDAK berafiliasi dengan mereka, saya kemungkinan besar tidak akan menghabiskan hari-hari saya online jika saya terhubung ke hedge fund yang mempekerjakan ribuan orang , tetapi hanya membayar yang memberikan hasil yang terukur :)
Komunitas numer.ai memiliki forum tempat mereka membahas pendekatan mereka sehingga Anda BISA belajar dari orang lain yang mencoba melakukan hal yang sama.
Secara pribadi saya pikir siapa pun dengan algoritma yang baik akan menyimpannya sangat, sangat rahasia.
sumber
Anda harus mencoba jaringan saraf tipe GMDH. Saya tahu bahwa beberapa paket komersial yang berhasil untuk prediksi pasar saham menggunakannya, tetapi menyebutkannya hanya di kedalaman dokumentasi. Singkatnya itu adalah jaringan saraf iteratif berlapis-lapis, jadi Anda berada di jalan yang benar.
sumber
Saya pikir model markov tersembunyi populer di pasar saham. Yang paling penting untuk diingat adalah Anda menginginkan algoritma yang menjaga aspek temporal data Anda.
sumber