Welcher Algorithmus für maschinelles Lernen kann verwendet werden, um den Aktienmarkt vorherzusagen?

Alternativ zur Vorhersage von Devisenmärkten. Ich weiß, dass dies ziemlich kompliziert werden kann, daher suche ich zur Einführung einen einfachen Vorhersagealgorithmus mit einer gewissen Genauigkeit.

(Es ist für ein M.Sc.-Universitätsprojekt, das vier Monate dauert)

Ich habe gelesen, dass ein mehrschichtiges neuronales Netzwerk nützlich sein könnte. Irgendwelche Gedanken dazu? Darüber hinaus kann die semantische Analyse sozialer Medien Einblick in das Marktverhalten geben, das den Aktienmarkt beeinflusst. Die semantische Analyse liegt derzeit jedoch etwas außerhalb des Projektumfangs.

Wie babelproofreader bereits erwähnt hat , sind diejenigen, die einen erfolgreichen Algorithmus haben, in der Regel sehr geheim. Daher ist es unwahrscheinlich, dass ein allgemein verfügbarer Algorithmus von Anfang an sehr nützlich ist, es sei denn, Sie machen etwas Gescheites daraus (ab diesem Zeitpunkt ist er nicht mehr allgemein verfügbar, seit Sie ihn erweitern).

Das Erlernen von ARIMA-Modellen (Autoregressive Integerated Moving Average) könnte ein nützlicher Anfang für die Vorhersage von Zeitreihendaten sein. Erwarten Sie jedoch keine besseren als zufälligen Ergebnisse.

Ich denke, für Ihre Zwecke sollten Sie einen Algorithmus für maschinelles Lernen auswählen, den Sie interessant finden, und ihn ausprobieren.

In Bezug auf eine effiziente Markttheorie sind die Märkte in keiner Zeitskala effizient. Einige Leute (sowohl im akademischen Bereich als auch im realen Leben) sind von der intellektuellen Herausforderung motiviert, nicht nur schnell reich zu werden, und sie veröffentlichen interessante Ergebnisse (und ich zähle ein fehlgeschlagenes Ergebnis als interessant). Aber behandeln Sie alles, was Sie lesen, mit einer Prise Salz. Wenn die Ergebnisse wirklich gut sind, ist dies möglicherweise nicht die wissenschaftliche Methode.

Data Mining mit R könnte ein nützliches Buch für Sie sein. es ist teuer, also versuche es in deiner Universitätsbibliothek zu finden. Kapitel 2 behandelt genau das, was Sie tun möchten, und er erzielt die besten Ergebnisse mit einem neuronalen Netz. Aber seien Sie gewarnt, dass er schlechte Ergebnisse erzielt und viel CPU-Zeit dafür verwendet. Die Amazon-Rezensionen weisen darauf hin, dass das Buch 20 US-Dollar mehr kostet, da in diesem Kapitel das Wort Finanzen erwähnt wird . Als ich es las, hatte ich den Eindruck, dass der Verlag ihn dazu gedrängt hatte, es zu schreiben. Er hat seine Hausaufgaben gemacht, die Dokumente gelesen, die richtigen Mailinglisten durchgesehen, aber sein Herz war nicht dabei. Ich habe ein paar nützliche R-Kenntnisse davon, werde aber den Markt nicht schlagen :-)

Meiner Meinung nach kann jede gewöhnliche starke KI, die all die folgenden Möglichkeiten bietet, leicht eine statistisch signifikante Vorhersage liefern:

• Sammle und verstehe Gerüchte

• Zugriff auf und Interpretation aller Regierungskenntnisse

• Tun Sie dies in jedem relevanten Land

• Machen Sie relevante Vorhersagen über:

  • Wetterverhältnisse

  • Terroristische Aktivitäten

  • Gedanken und Gefühle von Individuen

  • Alles andere, was den Handel betrifft

Die statistische Analyse ist die geringste Sorge, die Sie haben.

Sie könnten die Funktionen auto.arima und ets in R ausprobieren. Möglicherweise haben Sie auch einige Erfolge mit dem Paket rugarch , es gibt jedoch keine Funktionen für die automatische Parameterauswahl. Vielleicht könnten Sie Parameter für das mittlere Modell abrufen auto.arima, sie dann übergeben rugarchund hinzufügengarch(1,1) ?

Es gibt alle möglichen Blogs, die behaupten, dass dies erfolgreich ist. Hier ist ein System, das ein Arima-Modell (und später ein Garch-Modell) verwendet, und ein System, das ein SVM-Modell verwendet . Sie finden viele gute Informationen zum FOSS-Handel , besonders wenn Sie die Blogs auf seiner Blogroll lesen.

Unabhängig davon, welches Modell Sie verwenden, sollten Sie eine Kreuzvalidierung und einen Benchmark durchführen! Es würde mich sehr wundern, wenn Sie ein Arima-, Ets- oder gar Garch-Modell finden würden, das ein naives Modell durchweg aus der Stichprobe schlagen könnte . Beispiele für die Kreuzvalidierung von Zeitreihen finden Sie hier und hier . Denken Sie daran, dass Sie WIRKLICH Renditen prognostizieren möchten, nicht Preise.

Ich kenne einen Ansatz für maschinelles Lernen, der derzeit von mindestens einem Hedgefonds verwendet wird. numer.ai verwendet ein Ensemble von vom Benutzer bereitgestellten Algorithmen für maschinelles Lernen, um die Aktionen des Fonds zu steuern.

Mit anderen Worten: Ein Hedgefonds bietet offenen Zugang zu einer verschlüsselten Version von Daten über ein paar Hundert Anlageinstrumente, höchstwahrscheinlich Aktien. Tausende von Datenwissenschaftlern und dergleichen trainieren alle Arten von Algorithmen für maschinelles Lernen anhand dieser Daten und laden die Ergebnisse auf eine Anzeigetafel hoch. Die Besten erhalten einen kleinen Geldbetrag, abhängig von der Genauigkeit ihrer Ergebnisse und davon, wie lange ihr Ergebnis online verfügbar war.

Die besten Vorhersagen werden angeblich von Algorithmen-Ensembles getroffen.

Es gibt also eine Menge Wissenschaftler, die geschulte Vermutungen anstellen, von denen einige selbst Vermutungen sind, und der Hedgefonds verwendet das Ensemble aller zur Verfügung gestellten Vermutungen, um ihre Investitionen zu steuern.

Die Ergebnisse dieses ziemlich interessanten Hedgefonds haben mir zwei Dinge beigebracht:

1. Ensembles werden oft als ein guter Weg angesehen, um Vorhersagen an der Börse zu treffen.
2. Gute Vorhersagen erfordern mehr Ensembles, als ich bereit bin, mich selbst aufzubauen ...

Wenn Sie es ausprobieren möchten, besuchen Sie: https://numer.ai/ Nein, ich bin NICHT mit ihnen verbunden. Wahrscheinlich würde ich meine Tage nicht online verbringen, wenn ich mit einem Hedgefonds verbunden wäre, der Tausende von Menschen beschäftigt , aber nur diejenigen bezahlen, die messbare Ergebnisse liefern :)

Die numer.ai-Community verfügt über ein Forum, in dem sie ihre Vorgehensweise bespricht, sodass Sie von anderen lernen können, die versuchen, dasselbe zu tun.

Persönlich denke ich, dass jeder mit einem guten Algorithmus es sehr, sehr geheim halten wird.

Sie sollten neuronale Netze vom Typ GMDH ausprobieren. Ich weiß, dass es einige erfolgreiche kommerzielle Pakete für die Börsenprognose verwenden, erwähne es aber nur in den Tiefen der Dokumentation. Kurz gesagt handelt es sich um ein mehrschichtiges iteratives neuronales Netzwerk, sodass Sie auf dem richtigen Weg sind.

Ich denke, versteckte Markov-Modelle sind an der Börse sehr beliebt. Das Wichtigste, das Sie beachten sollten, ist, dass Sie einen Algorithmus benötigen, der den zeitlichen Aspekt Ihrer Daten bewahrt.