自分をプログラマーや機械学習の専門家と呼ぶことは私の言語ではないとすぐに言わなければなりません.ただ、私はトレーダーの 90% 以上をプログラミングし、プログラマーやデータサイエンティストの 99% よりもトレードを理解しています。これは、私が優秀だと言っているのではなく、知識の分野の間にどのような誤解の穴が存在するのかという問題です。
私はトレーダーのサイトにブログを持っており、ML をトレーディングにねじ込むための私のアプローチについて説明しています。私自身が ML の分野では非常に初心者であるという事実にもかかわらず、率直に言って、関連するレビューはあまり見られません。 .同様に、純粋な数学者やプログラマーが株式市場に関連して自分の知識を実装しようとしているのを見ると、私はしばしば目から血を流し始めます。
Habré に関する最初の投稿を書くにあたって、資産予測に関する Habré に関する 2 つの記事に触発されました。1 つは非常に古いもので、もう 1 つは新しいものです。それは、何か良いことがアラヴェルダへの欲求を引き起こすときによく起こります。そして、少なくともこの記事が良いのは、金融市場での取引に対する完全に正しいアプローチがあるからです。「私たちは仮説を立て、それを歴史に基づいてテストします」。これ以上に優れたものは発明されていません (ただし、オブジェクトの本質を学んだ後、その次の状態を予測できる天才は、歴史上かつて存在しなかったものでさえ、おそらく存在します)。多くのトレーダーはこれをまったく理解しておらず、グルの本や巧妙なテクニカル指標に従って取引することを好みます。この記事にコメントを詰め込むことは可能ですが、批判に加えて、IT 部門のすべての人に役立つことを書くほうが公平です (「批評 ?! そして、見返りに何かを提供します!」)。ML ツールで武装して、金融市場で知識を実装しようとしている人。金融市場は一種の知的カジノとして、知識、勤勉、才能を活用する機会を提供するため、この関心は明らかです.市場の外。トレーダーの言葉では、これはアルゴリズム取引と呼ばれます。しかし、トレーディングでの ML の適用が成功したことについてよく聞いたことはありますか?私は個人的にはそうではありませんが、誰も成功した実装に光を当てることはなく、すべてが実際に機能することに満足している可能性があります。冷たい頭と熱い心…しかし、私にはそう単純ではないように思えます。株式市場はまったく予測できないという事実に加えて (オハ!)、いくつかの実装上の問題があり、混乱を招きますが、概要を説明します。
? , - , - 10 ( - , , ), , , , . . ? " , , , ". , . , , , . . ? , . , - ?! - , , - - .....? , - " " , .
" ". . , 50% . 50/50. , , .
? , 5 . , - 5 . . - 5 , 5 ? . , , . +3%. ? , , , . . - 10, 15, 5. 15. .
. , " " , . - , . , - " , , ". , , . , " " : " ". "": "?! ?! ?! ?! ?!... ?! ?!". ( ), , , , - 1 + 1 = 2, , . , . . , , , , 50/50. ? - " ". 50/50, 2 2 , 100% . . "" . , , . . 10% 20% , +10% ? , ? . ? return , ? . , . , , , , , , . 2008 . , . 2009 , , . ? , , . ? , . ( ), . , . , , , . . . . ? , , . . , , .
datascientist ? , - , , , ( ), . "... !". . , ! , , " , !". ? , , ?! . . , , . - - , , , " ". . , , . - , . . , , , , , , . ( ). , - . , , . , .
10 , , , - , . , 20 150 0,5%, - ( ). 150*0,5, , , 0,15% , 50% . 150 30 , 150*(0,5-0,15) 30*(0,5-0,15), , - 30*(0,25-0,15) . datascientists . "" , datascientist , , , /. . datascientist , - , , - , , , , . , . , .
, ML, !
ML:
. datascients . , datascientes , . ? , . , 50/50. .
. 80% , , , , , - . ? - 250 . " ? ... ?!". , , , . , , , . , 255. Datascient 1. , 0. , , , . , 80% "", , , . feature engineering.
, , . 2 , , . - , , - " ". , sec.gov, 10-, , 10 , XBRL. financials.morningstar.com, 10. selenium.webdriver .
. " - " , , " " . , , D/E (Debt to Equity) , , , ROE (Return On Equity) - . . , . , . T T+1, . - , . , ? , , ? - , , / .
, , S&P500, . c profitabililty, growth, cashflow, financial health. : Cash Conversion Cycle, Inventory, NetMargin%. Accounts Payable - . , , , , , , . Accounts Payable - . ? . . - Inventory. , , 3 , 20% .
アメリカの証券取引所の付録では、レポート 10 - K、10 - Qのセンチメントの分析で興味深いものを見つけようとしました。パターンの有用性を評価しました。興味深いものがありました。そしてマクロ経済のファンダメンタルズ。CLI インジケーターは興味深いように見えましたが、技術的な問題はその可用性です。
誰かがこのテキストから何か役に立つことを学んだことを願っています。