Desarrollo Red Neuronal Para Trading

Calenturiento dijo:
Nunca dije que vaya a ganar a nadie. El tema es el volumen de respaldo de la estrategia y el algoritmo. Los grandes fondos cuentan con que ellos operan con un capital ingente. Yo, por suerte o por desgracia, no.
Hacer clic para expandir...

No, si eso lo digo yo. De todas formas tampoco necesitas ganarles, te vale con ganar tú algo más que lo que gana el resto.

Mi recomendación ya te la he dicho antes: no te quedes sólo con las CNNs, prueba también RNNs o incluso técnicas que no tengan que ver con redes neuronales como XGB u otros tipos de gradient boosting. De todas formas aquí sospecho que lo que más puede hacer es que sepas encontrar variables buenas y meterlas en el sistema. Incorporar datos de otras fuentes y tal. Ya se ha mencionado el análsis de sentimiento con Twitter, pero podría haber otras cosas interesantes y menos trilladas.

Si te haces rico me invitas a algo.
 
ShellShock dijo:
No, si eso lo digo yo. De todas formas tampoco necesitas ganarles, te vale con ganar tú algo más que lo que gana el resto.

Mi recomendación ya te la he dicho antes: no te quedes sólo con las CNNs, prueba también RNNs o incluso técnicas que no tengan que ver con redes neuronales como XGB u otros tipos de gradient boosting. De todas formas aquí sospecho que lo que más puede hacer es que sepas encontrar variables buenas y meterlas en el sistema. Incorporar datos de otras fuentes y tal. Ya se ha mencionado el análsis de sentimiento con Twitter, pero podría haber otras cosas interesantes y menos trilladas.

Si te haces rico me invitas a algo.
Hacer clic para expandir...

He probado con todas las que mencionas, las LSTM/GRU son las más populares en artículos científicos, pero las que mejor resultados me han dado sin duda han sido las convolucionales. Iré actualizando los resultados que voy obteniendo no tengas duda!
 
Calenturiento dijo:
He probado con todas las que mencionas, las LSTM/GRU son las más populares en artículos científicos, pero las que mejor resultados me han dado sin duda han sido las convolucionales. Iré actualizando los resultados que voy obteniendo no tengas duda!
Hacer clic para expandir...

Como dije en el primer post, eso puede tener sentido puesto que la ventaja de las RNNs sobre las CNNs en series temporales se hace evidente cuando es necesaria una memoria a largo plazo, y en el trading muy posiblemente no sea el caso.

Ten en cuenta que para otros modelos como el XGB que te decía, tendrías tú que hacer la preparación de las variables para incluir la información temporal (con modelos autorregresivos, a mano o como prefieras), porque esos modelos por sí mismos no pillan la estructura temporal de los datos de trading. Vamos, que no sería justo comparar un modelo de esos con una red neuronal convolucional o recurrente si no se le trabaja la información temporal previamente.
 
Dejate de cosas y dime como tu red neuronal convolucional saca información del futuro de medidas del pasado con información mutua cero. Me da igual convolucional, que tras*ductores que gromenauers, la clave no está en la complejidad del modelo sino en el cociente señal/ruido, de hecho mayor complejidad, mayor sesgo y misma varianza.

No estarás convolucionando el futuro??? pensando:

Pd: si no haceis vuestro analisis sobre los retornos estais prediciendo el nivel actual que para trading es como predecir cagarros. Con los retornos descubrireis que la información mutua del pasado con respecto al futuro es max 8-10% y que producir un modelo que la aproveche es casi imposible
 
Última edición:
ciberobrero dijo:
Dejate de cosas y dime como tu red neuronal convolucional saca información del futuro de medidas del pasado con información mutua cero. Me da igual convolucional, que tras*ductores que gromenauers, la clave no está en la complejidad del modelo sino en el cociente señal/ruido, de hecho mayor complejidad, mayor sesgo y misma varianza.

No estarás convolucionando el futuro??? pensando:
Hacer clic para expandir...
La red busca patrones a base de datos. En función de los datos actuales emite una prediccion basandose en los patrones que ha asimilado. No es infalible, nada lo es, pero es interesante y para intervalos de tiempo semanales parece funcionar bastante bien.
 
ciberobrero dijo:
Dejate de cosas y dime como tu red neuronal convolucional saca información del futuro de medidas del pasado con información mutua cero. Me da igual convolucional, que tras*ductores que gromenauers, la clave no está en la complejidad del modelo sino en el cociente señal/ruido, de hecho mayor complejidad, mayor sesgo y misma varianza.

No estarás convolucionando el futuro??? pensando:

Pd: si no haceis vuestro analisis sobre los retornos estais prediciendo el nivel actual que para trading es como predecir cagarros
Hacer clic para expandir...
No estoy vendiendo nada! Es gratis y lo publico porque es un tema que me apasiona y que creo que le aguarda un futuro prometedor
 
Calenturiento dijo:
La red busca patrones a base de datos. En función de los datos actuales emite una prediccion basandose en los patrones que ha asimilado. No es infalible, nada lo es, pero es interesante y para intervalos de tiempo semanales parece funcionar bastante bien.
Hacer clic para expandir...

No me cuentes lo evidente. Sabes lo que es la información mutua?
 
ciberobrero dijo:
No me cuentes lo evidente. Sabes lo que es la información mutua?
Hacer clic para expandir...
Se lo que es. El análisis del sentimiento de la API de twitter ayuda a reducir el ruido que podria surgir si unicamente se usaran variables de precio (aunque estuvieran normalizadas). Puedes verlo tú mismo, para datos semanales acierta bastante más que falla y por ende la red es capaz de “entender” por poquito que sea, como se comporta el mercado.
 
¿Podias utilizar ese algoritmo para predecir niveles de glucosa en alguien diabéticos? Y así inyectar la insulina necesaria?
 
sirpask dijo:
¿Podias utilizar ese algoritmo para predecir niveles de glucosa en alguien diabéticos? Y así inyectar la insulina necesaria?
Hacer clic para expandir...
Este en concreto no. Pero seguro que hay algún artículo científico al respecto. El último algoritmo que estuve investigando era uno que reconocia patrones en electrocardiogramas e indicaba la probabilidad de sufrir un infarto con x por ciento de confianza. Las posibilidades son infinitas.
 
Siempre que he mirado el tema de redes neuronales aplicado al mundillo del trading, me parece que al final terminas ajustando tu modelo a una serie de datos, que en el corto plazo son en un 90% ruido.

Lo unico que me ha ¨medio¨funcionado son los modelos de cointegracion de series, o lo que se conoce en el mundillo como pair trading. Los advanced Dickey Fuller test, el Johanssen test y demas parafernalia. O en roman paladino, reversion a la media de pares cointegrados.

Una vez encuentras cointegracion entre 2 series temporales, puedes incluso simplificarlo y usar unas bollinger bands PACO sin necesidad de grandes parafernalias para la operativa, pero el rebalanceo es una lata.

A dia de hoy no tengo tiempo para eso, asi que me dedico a pishabieghear y buyholdear duro.
 
No tengo ni idea de Redes neuronales, pero vamos a hacer un experimento.

Hoy 12/04/22 avalanche a $76.48 y según tu máquina de adivinar el futuro mañana estará a 81.83 a las 15:59

Doge está a 0,1397 y el día 15 a las 15:59 estará a 0,1290.
 
Iniciar sesión o registrarte para responder aquí.
Volver