Machine Learning

[ny_quant]

Воспользовавшись передышкой в работе, решил попробовать применить Machine Learning (конкретно TreeNet если кому интересно) к своей любимой задаче о нахождении trading strategy.

Напомню, что Efficient Market Theory говорит, что ничего такого быть не может потому что не может быть никогда, тогда как впс при помощи веревочной петли и палки некоторого упорства и огромного умища, научился предсказывать будущее на 1 день вперед с вероятностью в 59.7% out of sample.

Имплементация от вендора с хорошей репутацией, основной код от отцов-основателей, в общём всё очень круто. Значит, применил. Результаты, прямо скажем, не оправдали ожиданий. Ряд расходится (или сходится куда-то не туда), а лучший результат пока он не успел разойтись 53.7%. А если начать в борьбе за счастье теребенькать установки, то очень легко получить и меньше 50%.

Так вперед к новым победам искуственного интеллекта! Вот уж он нам решит все нерешенные задачи.

Comments

[misha-b.livejournal.com]

What kind of linear classifier, SVM?

[ny-quant.livejournal.com]

Logistic regression

[misha-b.livejournal.com]

I am not terribly surprised that for very noisy data, such as your, linear methods perform better.

Have you tried linear regression (square loss) as a classifier? Sometimes that works surprisingly well.

[ny-quant.livejournal.com]

Yes, that's how I got negative R2. I mean, linear regression on each step of TreeNet. But optimal number of trees was very small, like 5 or so.