Weka Forex Exchange

Introducción a la minería de datos FX Permite hacer una introducción rápida y sencilla a uno de los campos más interesantes de hoy: Data Mining. Hay una amplia gama de aplicaciones de minería de datos. Debemos integrar la minería de datos en nuestro comercio de divisas. FX, FOREX o el Foreign Exchange FX es el mayor mercado en términos de volumen negociado diariamente. Tiene tres niveles principales de participantes: los muchachos grandes, el nivel intermedio y los comerciantes simples como tú y yo. Tiene un carácter especulativo, lo que significa que la mayor parte del tiempo no intercambiamos bienes. Cuidamos solamente para la diferencia y deseamos comprar bajo y vender alto o vender alto y comprar bajo. Por operaciones cortas o largas podemos ganar pips. Dependiendo de su volumen de negociación, el valor de pip puede variar de un centavo a 10 y más. Esta es la principal manera de ganar dinero en el mercado de FX (junto con Carry Trade, Brokering, Arbitrage y más). Tenga en cuenta que el mercado de FX es enorme, pero es adecuado para todos los niveles de jugadores. Piense en el mercado FX como un supermercado infinito con un número infinito de productos y clientes, pero también tiene un número infinito de cajeros. Lo que significa que hay una cantidad igual de oportunidades para todos. Minería de Datos y Aprendizaje de Máquina La minería de datos es un sub campo maduro de Ciencias de la Computación. Se trata de una gran cantidad de datos y extracción no trivial de conocimientos utilizables a partir de cantidades masivas de datos. Su hecho por el procesamiento inteligente de datos utilizando algoritmos de aprendizaje automático. La minería de datos no es sólo CRUD (crear, leer, actualizar y eliminar). Tenemos varios métodos de Data Mining. Por lo tanto los métodos y algunas aplicaciones. Clasificación: clasificar el correo electrónico como spam, clasificar una transacción como fraude. Asociación - YouTube nos sugiere nuevos videos basados ​​en nuestra historia. Amazon nos sugiere más artículos durante la comprobación. Clustering - análisis de datos no estructurados como noticias y opiniones económicas para encontrar grupos comunes. Minería de Procesos: examine los registros de los operadores de llamadas para encontrar operaciones ineficientes. Text Mining - noticias de minería o análisis técnico para el reconocimiento de patrones. Algorithmic Trading es una ejecución automatizada de un algoritmo de negociación. En nuestro caso, el algoritmo de negociación proviene de la minería. El comercio automatizado es hecho por algún rey del lenguaje de programación. Velocidad y robustez son puntos clave aquí: comerciante humano no puede vencer al programa de computadora con respecto a esos atributos. Podría ser HFT (High Frequency Trading) y de bajo nivel de programación (como C) o de comercio a largo plazo y de alto nivel de programación (como Java). Mezclar el comercio algorítmico con la minería de datos Mezclar la minería de datos en el comercio algorítmico es importante. Lo más importante son los datos. Un principio simple indica que si sus datos no son lo suficientemente buenos, sus modelos no serán lo suficientemente buenos (GIGO). Se trata de crear un modelo, implementarlo y probarlo (como siempre). Actualmente este flujo es mayormente manual. Software de minería de datos Hay muchas opciones de software de código abierto en el campo de la minería de datos. WEKA es un marco de Data Mining originado en la Universidad de Waikato, Hamilton, Nueva Zelanda. WEKA está escrito en Java y tiene una gran API. También tiene implementaciones para la mayoría de los conocidos algoritmos de aprendizaje de máquina. La mezcla de buenas herramientas es vital. Hay demasiados modelos comerciales posibles. Tirar una moneda es un sistema de comercio estúpido, pero es un sistema de comercio. Necesitamos Data Mining para encontrar el oro. Las buenas herramientas son fáciles de conseguir así que buena suerte con la explotación minera. Si está buscando más información sobre el comercio de FX científico su próximo paso es explorar las herramientas de minería de datos y datos históricos. Visita algonell para más detalles. Puedes encontrarnos en twitter. Facebook. Google. LinkedIn y WordPress. Aprender Forex Trading Simple Forex Solution Esto no es un esquema rápido obtener rico. Por el contrario, su a obtener realmente rico régimen lento. Grandes movimientos toman tiempo para desarrollarse. Les mostraré cómo detectarlos y seguir con ellos. Las operaciones reales se detallan con las estrategias de entrada, salida y stop loss. Usted no tiene que sentarse en el borde de su asiento, el nervio destrozó cada pequeño movimiento del mercado. Que el mercado haga lo que quiera. Usted aprenderá en detalle un programa paso a paso que verdaderamente le liberará de las preocupaciones del pensamiento a corto plazo y el comercio. De hecho, usted podría estar leyendo este manual descargable en tan sólo 5 minutos. Le garantizo que las 3 horas que tarda en leer este manual mejorará en gran medida su rendimiento a largo plazo en el comercio de divisas y la ansiedad a corto plazo. Heres lo que este paquete le ofrece: Un método simple pero poderoso incluso el principiante puede utilizar No hay nada más que comprar. Es el paquete completo El método es lógico y no le costará una moneda de diez centavos para probarlo todo a sí mismo Utiliza paquetes de gráficos gratuitos o pagados en línea Puede adaptarse para adaptarse a su tolerancia al riesgo de inversión Un verdadero conjunto, El método Análisis de datos presentado de una manera significativa La mecánica simple de hacer un comercio Profesional Trader Educación Pack de valor para los comerciantes de Forex Reciba más de 15 horas (8 CD) de nuestra mejor educación de comercio de Forex en un paquete Contiene el más reciente Advanced Forex CD, Pack se centra en exactamente lo que usted necesita saber para convertirse en un exitoso Forex Trader. Forex CD 1 - El fantástico mundo de Forex Aprenda Forex Trading de un profesional con este nuevo CD - por Mike Mc Mahon - pips, apalancamiento, que las monedas al comercio. Aprenda las técnicas más avanzadas de Forex Trading de un profesional con este nuevo CD - paso a paso las instrucciones a través de entradas de alta probabilidad, las salidas y las paradas necesarias para darle máxima rentabilidad y preservación del capital Análisis para el CD Trader Profesional (Parte 1) Este CD contiene información crítica para ayudarle a aprender a usar gráficos e indicadores técnicos de una manera clara, sencilla y concisa para mejorar sus entradas y salidas comerciales. Análisis Técnico para el CD Trader Profesional (Parte 2) Perfeccione aún más su capacidad para usar líneas SR, líneas de tendencia, candelabros, patrones de continuación y más. Fibonacci Trading CD Utilice la magia matemática para obtener mejores beneficios de cada comercio. Aprenda a utilizar Fibonacci Retracement, Extension y Projection Analysis para maximizar sus ganancias y controlar estrictamente las pérdidas. CD de la gerencia del estrés Dé vuelta usted mismo en el comerciante acertado Usted sabe que usted es Aprenda cómo reducir el estrés en su vida como comerciante - permanezca fresco debajo de la presión y tome las ganancias como vienen. El mercado Forex (mercado de divisas) 8211 mejor conocido como FOREX - es un mercado mundial para la compra y venta de divisas. Maneja un volumen enorme de transacciones 24 horas al día, 5 días a la semana. Los intercambios diarios valen aproximadamente 1,5 billones de dólares (dólares estadounidenses). En comparación, el mercado de bonos del Tesoro de los Estados Unidos tiene un promedio de 300 mil millones diarios y los mercados de valores estadounidenses intercambian alrededor de 100 mil millones al día. El mercado de divisas fue establecido en 1971 con la abolición de los intercambios de moneda fija. Las monedas se valoraron a tasas flotantes determinadas por la oferta y la demanda. La divisa creció firmemente a través de los años 70, pero con los avances tecnológicos de los años 80 el Forex creció de negociar niveles de 70 mil millones al día al nivel actual de 1.5 trillón. La divisa se compone de cerca de 5000 instituciones comerciales tales como bancos internacionales, bancos del gobierno central (tales como la reserva federal de los EEUU), y compañías y corredores comerciales para todos los tipos de intercambio de moneda extranjera. No hay una ubicación centralizada de Forex 8211 principales centros de comercio se encuentran en Nueva York, Tokio, Londres, Hong Kong, Singapur, París y Frankfurt, y todo el comercio es por teléfono o por Internet. Las empresas utilizan el mercado para comprar y vender productos en otros países, pero la mayor parte de la actividad en el Forex es de los comerciantes de divisas que lo utilizan para generar beneficios de pequeños movimientos en el mercado. A pesar de que hay muchos jugadores enormes en Forex, es accesible para el pequeño inversor gracias a los cambios recientes en las regulaciones. Anteriormente, existía un tamaño mínimo de transacción y se requería que los operadores cumplieran con estrictos requisitos financieros. Con el advenimiento del comercio en Internet, las regulaciones se han cambiado para permitir que las grandes unidades interbancarias se desglosan en lotes más pequeños. Cada lote vale cerca de 100.000 y es accesible al inversionista individual con el apalancamiento 8211 préstamos extendidos para negociar. Normalmente, los lotes pueden ser controlados con un apalancamiento de 100: 1, lo que significa que US1,000 le permitirá controlar un intercambio de divisas de 100.000. Ventajas de la negociación en Forex. Liquidez - Debido al tamaño del mercado de divisas, las inversiones son extremadamente líquidas. Los bancos internacionales están continuamente ofreciendo oferta y oferta y el alto número de transacciones cada día significa que siempre hay un comprador o un vendedor para cualquier moneda. Accesibilidad 8211 El mercado está abierto las 24 horas del día, 5 días a la semana. El mercado abre el lunes por la mañana en Australia y cierra el viernes por la tarde en Nueva York. Los negocios se pueden hacer en Internet desde su casa u oficina. Mercado abierto 8211 Las fluctuaciones monetarias suelen ser causadas por cambios en las economías nacionales. Noticias sobre estos cambios es accesible para todos al mismo tiempo 8211 no puede haber información privilegiada en Forex. Ninguna comisión 8211 Los corredores ganan dinero estableciendo un diferencial 8211 la diferencia entre lo que una moneda se puede comprar en y lo que se puede vender en. Las monedas se negocian siempre en pares 8211 el dólar de los EEUU contra el yen japonés, o la libra inglesa contra el euro. Cada transacción implica la venta de una moneda y la compra de otra, por lo que si un inversor cree que el euro ganará frente al dólar, que va a vender dólares y comprar euros. El potencial de beneficio existe porque siempre hay movimiento entre monedas. Incluso pequeños cambios pueden resultar en beneficios sustanciales debido a la gran cantidad de dinero involucrado en cada transacción. Al mismo tiempo, puede ser un mercado relativamente seguro para el inversor individual. Existen salvaguardias construidas para proteger tanto al corredor como al inversionista y existen varias herramientas de software para minimizar la pérdida. No estoy muy seguro de si esta pregunta encaja aquí. Recientemente he empezado a leer y aprender acerca del aprendizaje automático. ¿Puede alguien arrojar algo de luz sobre cómo ir sobre él o más bien cualquier persona puede compartir su experiencia y algunos consejos básicos sobre cómo hacerlo o al menos empezar a aplicarlo para ver algunos resultados de los conjuntos de datos ¿Qué tan ambicioso es este sonido También, Algoritmos estándar que deben ser probados o mirados al hacer esto. Parece ser una falacia básica que alguien puede venir y aprender algunos algoritmos de aprendizaje automático o AI, configurarlos como una caja negra, ir a ir, y sentarse mientras se retiran. Mi consejo para usted: Aprenda las estadísticas y el aprendizaje automático primero, y luego se preocupe acerca de cómo aplicarlos a un problema dado. No hay almuerzo gratis aquí. El análisis de datos es un trabajo duro. Lea Los Elementos del Aprendizaje Estadístico (el pdf está disponible gratuitamente en el sitio web), y no empiece a intentar construir un modelo hasta que entienda por lo menos los primeros 8 capítulos. Una vez que usted entiende las estadísticas y el aprendizaje de la máquina, entonces usted necesita aprender a backtest y construir un modelo comercial, la contabilidad de los costos de transacción, etc, que es un área entera. Después de que usted tiene una manija en el análisis y las finanzas, entonces será algo obvio cómo aplicarlo. El punto entero de estos algoritmos está tratando de encontrar una manera de ajustar un modelo a los datos y producir un sesgo y una varianza bajos en la predicción (es decir, que el error de predicción de entrenamiento y prueba será bajo y similar). Aquí está un ejemplo de un sistema comercial usando una máquina del vector de la ayuda en R. pero apenas tenga presente que usted hará usted mismo un flaco servicio si usted no pasa el tiempo de entender los fundamentos antes de intentar aplicar algo esotérico. Sólo para añadir una actualización entretenida: Recientemente me encontré con esta tesis de maestros: Un nuevo marco de comercio algorítmico Aplicación de la evolución y aprendizaje de la máquina para la optimización de la cartera (2012). Es una revisión extensa de diferentes enfoques de aprendizaje de máquina en comparación con buy-and-hold. Después de casi 200 páginas, llegan a la conclusión básica: Ningún sistema comercial fue capaz de superar el benchmark al usar los costos de transacción. Huelga decir que esto no significa que no pueda hacerse (no he pasado el tiempo revisando sus métodos para ver la validez del enfoque), pero ciertamente proporciona más evidencia a favor del teorema del almuerzo libre. Como uno de los autores de la mencionada tesis de maestro puedo citar mi propio trabajo y decir: "Si alguien realmente logra resultados rentables no hay incentivo para compartirlos, ya que negaría su ventaja." Aunque nuestros resultados podrían apoyar la hipótesis del mercado, no excluye la existencia de sistemas que funcionen. Podría ser como la teoría de la probabilidad: se especula que los avances en el campo de la teoría de las probabilidades han ocurrido varias veces, pero nunca compartidas. Esto podría deberse a su aplicación práctica en el juego. Por otra parte, tal vez esto es todo alquimia moderna. Ndash Andr233 Christoffer Andersen Mi Consejo a Usted: Hay varias ramas de la Aprendizaje de la Máquina / Inteligencia Artificial (ML / AI) por ahí: www-formal. stanford. edu/jmc/whatisai/node2.html Tengo Sólo intentó la programación genética y algunas redes neuronales, y personalmente creo que la rama de aprendizaje de la experiencia parece tener el mayor potencial. GP / GA y las redes neuronales parecen ser las metodologías más comúnmente exploradas con el propósito de las predicciones del mercado de valores, pero si usted hace un poco de minería de datos en Predict Wall Street. Usted puede ser capaz de hacer algunos análisis de sentimiento también. Pase algo de tiempo aprendiendo acerca de las diferentes técnicas de ML / AI, encuentre algunos datos de mercado e intente implementar algunos de esos algoritmos. Cada uno tendrá sus fortalezas y debilidades, pero puede ser capaz de combinar las predicciones de cada algoritmo en una predicción compuesta (similar a lo que hicieron los ganadores del Premio NetFlix). Algunos de los recursos: Aquí hay algunos recursos que usted puede ser que desee mirar: El Chatter: El consenso general entre los comerciantes es que la Inteligencia Artificial es una ciencia del vudú, usted no puede hacer una computadora predecir los precios comunes y youre seguro perder su dinero si usted intenta haciéndolo. Sin embargo, la misma gente le dirá que casi la única manera de ganar dinero en el mercado de valores es construir y mejorar su propia estrategia comercial y seguirlo de cerca (que en realidad no es una mala idea). La idea de los algoritmos AI no es construir el chip y dejar que el comercio para usted, sino para automatizar el proceso de creación de estrategias. Es un proceso muy tedioso y de ninguna manera es fácil :). Cómo minimizamos la sobreejecución: Como hemos oído antes, un problema fundamental con los algoritmos AI es excesivo (también conocido como sesgo de datamining): dado un conjunto de datos, su algoritmo AI puede encontrar un patrón que es particularmente relevante para el conjunto de entrenamiento. Pero puede no ser relevante en el conjunto de prueba. Hay varias maneras de minimizar la sobreequipación: Use un conjunto de validación. No da retroalimentación al algoritmo, pero le permite detectar cuando su algoritmo está potencialmente comenzando a overfit (es decir, usted puede dejar de entrenar si youre overfitting demasiado). Utilice el aprendizaje en línea de la máquina. En gran medida elimina la necesidad de back-testing y es muy aplicable para los algoritmos que intentan hacer predicciones del mercado. Ensemble Learning. Le proporciona una manera de tomar múltiples algoritmos de aprendizaje de la máquina y combinar sus predicciones. La suposición es que los varios algoritmos pueden haber overfit los datos en una cierta área, pero la combinación correcta de sus predicciones tendrá una energía predictive mejor. Dos aspectos del aprendizaje estadístico son útiles para el comercio 1. Primero los mencionados anteriormente: algunos métodos estadísticos se centraron en trabajar en conjuntos de datos vivos. Significa que usted sabe que está observando sólo una muestra de datos y que desea extrapolar. Por lo tanto, tiene que tratar en la muestra y fuera de los problemas de la muestra, overfitting y así sucesivamente. Desde este punto de vista, la minería de datos se centra más en datasets muertos (es decir, se puede ver casi todos los datos, usted tiene un problema en la muestra sólo) que el aprendizaje estadístico. Debido a que el aprendizaje estadístico se trata de trabajar en conjunto de datos en vivo, las matemáticas aplicadas que se ocupan de ellos tenían que centrarse en un problema de dos escalas: a la derecha. Donde X es el espacio de estado (multidimensional) para estudiar (tienes en él tus variables explicativas y las que predecir), F contiene la dinámica de X que necesita algunos parámetros theta. La aleatoriedad de X viene de la innovación xi, que es i. i.d. El objetivo del aprendizaje estadístico es construir una metodología L ith como entradas una observación parcial pi de X y ajustar progresivamente una estimación hattheta de theta, para que sepamos todo lo que se necesita en X. Si se piensa en utilizar el aprendizaje estadístico para encontrar Los parámetros de una regresión lineal. Podemos modelar el espacio de estado como este: underbrace yx end right) left begin a amp b amp 1 1 amp 0 amp 0 end right cdot underbrace x 1 epsilon end right) lo que permite observar (y, x) n en cualquier n Aquí theta (a, b). Entonces usted necesita encontrar una manera de construir progresivamente un estimador de theta usando nuestras observaciones. ¿Por qué no un descenso de gradiente en la distancia L2 entre yy la regresión: C (sombrero a, sombrero b) n suma (yk - (sombrero a, xk sombrero b)) 2 Aquí gamma es un esquema de ponderación. Por lo general, una buena manera de construir un estimador es escribir correctamente los criterios para minimizar e implementar un descenso gradiente que producirá el esquema de aprendizaje L. Volviendo a nuestro problema genérico original. Necesitamos algunas matemáticas aplicadas para saber cuándo convergen los sistemas dinámicos de pareja en (X, hattheta), y necesitamos saber cómo construir esquemas de estimación L que converjan hacia la teta original. Para darle indicaciones sobre tales resultados matemáticos: Ahora podemos volver al segundo aspecto del aprendizaje estadístico que es muy interesante para los comerciantes / estrategas: 2. Los resultados usados ​​para demostrar la eficiencia de los métodos de aprendizaje estadístico pueden usarse para probar la Eficiencia de los algoritmos de negociación. Para ver que basta con leer de nuevo el sistema dinámico acoplado que permite escribir el aprendizaje estadístico: left M ampamp Frho (Mn, xi) ampamp L (pi (Mn), n) fin a la derecha. Ahora M son variables de mercado, rho es PnL subyacente, L es una estrategia de negociación. Simplemente reemplace minimizando un criterio maximizando el PnL. Véase, por ejemplo, la división óptima de órdenes entre agrupaciones de liquidez: un enfoque de algoritmo estocástico por: Gilles Pags, Sophie Laruelle, Charles-Albert Lehalle. En este documento, los autores muestran a quién utilizar este enfoque para dividir de forma óptima una orden a través de diferentes piscinas oscuras simultáneamente aprender la capacidad de las piscinas para proporcionar liquidez y utilizar los resultados para el comercio. Las herramientas de aprendizaje estadístico pueden usarse para construir estrategias de negociación iterativas (la mayoría de ellas son iterativas) y probar su eficiencia. La respuesta corta y brutal es: usted no. En primer lugar, porque ML y las estadísticas no es algo que usted puede ordenar bien en uno o dos años. Mi horizonte de tiempo recomendado para aprender nada no trivial es de 10 años. ML no es una receta para ganar dinero, sino sólo otro medio para observar la realidad. En segundo lugar, porque cualquier buen estadístico sabe que la comprensión de los datos y el dominio del problema es 80 del trabajo. Es por eso que usted tiene estadísticos enfocados en el análisis de datos de Física, en genómica, en sabermetría, etc. Para el registro, Jerome Friedman, co-autor de ESL citado anteriormente, es un físico y todavía tiene una posición de cortesía en SLAC. Por lo tanto, el estudio Estadísticas y Finanzas durante unos años. Se paciente. Ve por tu propio camino. El kilometraje puede variar. Respondió Feb 9 11 at 4:41 Estoy totalmente de acuerdo. Sólo porque conoce el aprendizaje de máquinas y las estadísticas, no implica que usted sabe cómo aplicarlo a la financiación. Ndash Dr. Mike Aug 10 11 at 20:25 También una cosa importante a recordar es que won39t ser el comercio contra la gente, usted estará negociando contra otros algoritmos de inteligencia artificial que están viendo sus oficios pila en, y están calculando furiosamente las probabilidades de que el Colectivo yous sería asustado por un declive fabricado y teniendo que la menor pérdida en la creación de un pico / inmersión y engañar a todos los AI39s en parar, y luego rodar la inmersión de nuevo en ella y montar la ola, ganando sus pérdidas. El mercado de valores es un juego de suma cero, tratarlo como entrar en un partido de boxeo profesional, si no eres un veterano de 20 años, you39re va a perder ndash Eric Leschinski 13 de febrero a la 1:56 Una aplicación básica es la predicción de dificultades financieras. Obtener un montón de datos con algunas empresas que han incumplido, y otros que no tienen, con una variedad de información financiera y ratios. Utilice un método de aprendizaje automático como SVM para ver si puede predecir qué compañías predeterminarán y cuáles no. Utilice ese SVM en el futuro a corto empresas de alto riesgo probabilístico y largo probabilidades de baja probabilidad de las empresas, con los ingresos de las ventas a corto. Hay un decir quotPicking centavos para arriba delante de rollersquot del vapor. Usted está haciendo el equivalente de vender un put out-of-the-money. En este caso, you39ll hacer pequeñas ganancias durante años, a continuación, obtener totalmente limpiado cuando el mercado se derrite cada 10 años o menos. Hay también una estrategia equivalente que compra el dinero-pone: pierden el dinero por años, después hacen una matanza cuando el mercado se derrite. Vea el Cisne Negro de Talab39s. Ndash Contango Jun 5 11 at 22:20 Recuerde que las compañías internacionales han gastado cientos de miles de millones de dólares y horas hombre en las mejores y más brillantes inteligencia artificial inteligencia en los últimos 40 años. He hablado con algunas de las torres de la mente responsables de los alfas más de Citadel y Goldman Sachs, y la hubris de los novatos a pensar que pueden armar un algoritmo que va a toe to toe con ellos, y ganar, es casi tan tonto como Un niño que le dice que él va a saltar a la luna. Niño de buena suerte, y cuidado con el espacio marcianos. Por no decir que no se pueden hacer nuevos campeones, pero las probabilidades están en contra de usted. Ndash Eric Leschinski Feb 13 at 2:00 Una posibilidad que vale la pena explorar es utilizar la herramienta de aprendizaje de la máquina vectorial de soporte en la plataforma Metatrader 5. En primer lugar, si usted no está familiarizado con él, Metatrader 5 es una plataforma desarrollada para los usuarios para implementar el comercio algorítmico en los mercados de divisas y CFD (Im no estoy seguro si la plataforma se puede extender a las poblaciones y otros mercados). Normalmente se utiliza para estrategias basadas en análisis técnico (es decir, utilizando indicadores basados ​​en datos históricos) y es utilizado por personas que buscan automatizar su negociación. La Herramienta de Aprendizaje de la Máquina Vector de Soporte ha sido desarrollada por una comunidad de usuarios para permitir que las máquinas vectoriales de apoyo se apliquen a indicadores técnicos y asesoren sobre operaciones. Una versión de demostración gratuita de la herramienta se puede descargar aquí si desea investigar más. Según lo entiendo, la herramienta utiliza datos de precios históricos para evaluar si las operaciones hipotéticas en el pasado hubieran tenido éxito. A continuación, toma estos datos junto con los valores históricos de una serie de indicadores personalizables (MACD, osciladores, etc), y utiliza esto para formar una máquina de vector de apoyo. Entonces utiliza la máquina entrenada del vector de la ayuda para señalar las operaciones futuras de la compra / de la venta. Una mejor descripción se puede encontrar en el enlace. He jugado con un poco con algunos resultados muy interesantes, pero como con todas las estrategias de negociación algorítmica, recomiendo sólidas / delanteras pruebas antes de llevarlo al mercado en vivo. Respondió Dec 10 12 at 11:59 Lo sentimos, pero a pesar de ser utilizado como un ejemplo popular en el aprendizaje de la máquina, nadie ha logrado una predicción del mercado de valores. No funciona por varias razones (compruebe el paseo al azar de Fama y un montón de otros, falla racional de toma de decisiones, suposiciones erróneas), pero lo más convincente es que si funcionara, alguien podría volverse insanamente rico En cuestión de meses, básicamente poseer todo el mundo. Como esto no está sucediendo (y usted puede estar seguro de que todos los bancos lo han intentado), tenemos una buena evidencia, que simplemente no funciona. Además: ¿Cómo crees que vas a lograr lo que decenas de miles de profesionales han fallado, mediante el uso de los mismos métodos que tienen, además de recursos limitados y sólo las versiones básicas de sus métodos respondidos La razón más importante: las estrategias tienen límites de capacidad, es decir, niveles más allá de los cuales su impacto en el mercado excedería al alfa disponible, incluso suponiendo que tuviera un capital ilimitado. No estoy seguro de lo que quieres decir con una predicción del mercado de los quotales (futuros de índice ETF39s), pero ciertamente hay un montón de gente haciendo predicciones a corto plazo, y beneficiándose de ellos, todos los días en los mercados. Ndash afekz Nov 23 15 at 13:19 Yo hago eco de lo que Shane escribió. Además de leer ESL, sugeriría un estudio aún más fundamental de estadísticas primero. Más allá de eso, los problemas que he esbozado en otra pregunta sobre este intercambio son muy relevantes. En particular, el problema del sesgo de datamining es un serio obstáculo para cualquier estrategia basada en el aprendizaje de máquinas.