X-Trader.net - El Foro de los Traders

Pues eso es lo que hace, le conoce y le dice que no le tramita la orden


Como ves hasy 120 trades menos que les hemos dicho que hasta luego

.

Muy facil antes de entrar le preguntas si ha estudiao

.

Hay una cosa que no se puede hacer ni en trading ni em Machine Learning, es mirar el futuro, si te pones a la salida del colegio, ya sabes si ha suspendido un alumno o nó,

En cambio, antes de llegar es lógico hacer la selección y comprobarlo a la salida.

Tu planteas que un alumno va a aprobar en funcion de una serie de características, alto, bajo, rubio, deportista,..., en cambio esto se plantea en función de si ha estudiado durante toda la semana.

Es una discusión que no lleva a ninguna parte, pues sólo hay una forma de ver los resultados.

Por favor no mireis el futuro, hay muchos sistemas mal construídos que a la hora de la verdad van a por una ventaja que ya no existe.

.

Para que quede un poco más claro

Muchas gracias Tiotino por currarte el video y compartirlo.

No me queda claro cómo usarías en tu sistema real el resultado de aplicar el k-means a la tabla de 1 y -1.
Si resulta que p.ej. la mejor columna es la de 3 días atrás (la ts3) de qué te sirve ?, cómo lo aplicarías ?
Deduzco, aunque seguramente esté equivocado, que harías trading en función de cómo te fue 3 días atras ???
(supongo que no porque rápidamente aparecerían días seguidos sin operativa, y te quedarías sin días para comparar hacia atrás, aunque también dependería de la frecuencia operativa del sistema).

Aparte, cómo ves aplicar ML a datos de microestructura del mercado ? Si tuvieras la secuencia temporal de los flujos de datos de la cinta y del orderbook, para analizar la demanda vs oferta, crees que podrías sacar algo interesante ?

S2

Buenos días,

No entiendo muy bien como haces los grupos, supongo que será operando o no operando dependiendo de si el resultado es positivo o negativo x días atrás. Vamos que estás buscando algún tipo de dependecia serial.

En fin que añades un filtro al algoritmo en función de algún resultado anterior y por tanto entiendes que los resultados son dependientes de resultados anteriores.

Y veo también que comparas los resultados de los mejores grupos con el resultado del algoritimo, llamemosle en bruto.

Y yo te pregunto, eso es comparable? Has metido un fltro a la muestra del pasado, como no lo vas a mejorar?

En definitiva Tiotino creo que has hecho una sobreoptimización

Si tu supones que los resultados del algoritmo son dependientes, creo que no conoces el algoritmo o por lo menos tengo la sensación de que lo único que tienes son los resultados, por qué supones que son dependientes?

Y en caso de que pueda ser razonable que los resultados sean dependientes, entiendo que debes comparar los resultados del algoritmo en bruto a los resultados del algoritmo con los filtros incorporados fuera de muestra o haciendo un walk forward.

Tiotino mucho cuidado con la sobreoptimización que creo que es nuestro mayor enemigo.

Saludos

Gratphil escribió:Buenos días,

No entiendo muy bien como haces los grupos, supongo que será operando o no operando dependiendo de si el resultado es positivo o negativo x días atrás. Vamos que estás buscando algún tipo de dependecia serial.


Saludos

Buenas

Kmeans es un algoritmo que agrupa trades, los agrupamos en funcion de sus rendimientos pasados, y de esta manera constuímos ocho grupos. Seleccionamos aquellos grupos que mejor se comportan en nuestro trading.

Si fueran 1000 personas seleccionamos un grupo para una carrera de obstáculos, seguro q no seleccionamos a personas de mas de 60 años, ni embarazadas, ni crios menores de 9. Esto es básicamente lo que hacemos quedarnos con los mejores y esperar que ganen la carrera.

cls escribió:Muchas gracias Tiotino por currarte el video y compartirlo.

No me queda claro cómo usarías en tu sistema real el resultado de aplicar el k-means a la tabla de 1 y -1.
Si resulta que p.ej. la mejor columna es la de 3 días atrás (la ts3) de qué te sirve ?, cómo lo aplicarías ?
Deduzco, aunque seguramente esté equivocado, que harías trading en función de cómo te fue 3 días atras ???
(supongo que no porque rápidamente aparecerían días seguidos sin operativa, y te quedarías sin días para comparar hacia atrás, aunque también dependería de la frecuencia operativa del sistema).

Aparte, cómo ves aplicar ML a datos de microestructura del mercado ? Si tuvieras la secuencia temporal de los flujos de datos de la cinta y del orderbook, para analizar la demanda vs oferta, crees que podrías sacar algo interesante ?

S2

Buenas cls,

Se trata, efectivamente de leer una cinta temporalmente, la cinta nos da los rendimientos de 1 a 5 días, y en funcion de esa estructura agrupa los trades,

por ejemplo si el primer registro que nos viene en la cinta pertenece al grupo 1 entonces compraremos pues hemos identificado que el grupo 1 es alcista.

si lo que nos llega es un resgistro que pertenece al grupo 2 venderemos pues es tremendamente negativo ese grupo. Pero puede haber grupos que no hagamos nada.

Es el típico problema de identificar a una persona, o identificar un digito o letra, nosotros identificamos si un trade es bueno o malo

Tiotino,

Creo que poco importa que haya utilizado el k means o lo que sea, el problema está en que los resultados que comparas con el algoritmo son de una prueba dentro de muestra.

Vamos, que has efectuado una prueba en la que bajo mi punto de vista has sobreoptimizado. Además has cogido 8 grupos creo, a más grupos más riesgo de sobreopimización.

Haz la prueba fuera de muestra y entonces sí, compara los resultados del algoritmo con esta prueba que tu haces.

Saludos

Buenas,

lo único que esta haciendo Tiotino es enchufarle la serie de trades al algoritmo K-MEANS, que es un modelo de ML no supervisado. Básicamente lo que haces es decirle a KM, "oye, tengo un dataset y no tengo ni idea de lo que tengo entre manos, hazme el favor de echarle un vistazo y agrupame las observaciones (trades)". Luego Tiotino, con los grupos (clusters) que le tira KM, saca las métricas oportunas de cada grupo y comprueba si algún grupo es interesante.

Lo que hace KM es intentar agrupar los datos en función de las distancias entre los miembros (las observaciones) de los grupos (normalmente los agrupa utilizando la distancia euclidea).

@Gratphil, KM no sobreoptimiza por si solo, no esta maximizando o minimizando ninguna función objetivo, el que sobreoptimiza es el usuario cuando empiezas a pedirle a KM que le devuelva 2, 3, 40 o 400 clusters cuando ves que no te aísla lo que quieres, recuerda que a KM le puedes pedir que te devuelva el numero de clusters que te de la gana.

Mucho ojo con K-MEANS, porque puedes pensar que uno de grupos que te devuelve es el santo grial...hay que analizar ciertas métricas para ver si el cluster que te interesa es robusto o no (y aquí entran muchas cosas). Si le pasas a KM un grupo de trades que provienen de un sistema completamente aleatorio y le pides 5 clusters, te los va a devolver.

En resumen, KM, es muy útil pero hay que saber para que lo estamos utilizando. Si no tienes una idea de donde proviene ese grupo de observaciones, que variables independientes tienes, no le veo mucho sentido coger una serie PnL y enchufarsela a KM para que te los agrupe.

Saludos.

Tiotino,

me refería al Time&Sales o Level1 como la cinta, que es el flujo de órdenes a mercado en exchange regulados.
Las órdenes limitadas vienen en otro flujo que llaman Level2, y que es el OrderBook o Depth Of Market (DOM).
En Forex que es a lo que tú más le das, esto no se suele usar, pero es donde está la información última. Es la oferta y la demanda, y de su interactuación se puede deducir hacia dónde irá el precio al menos en el momento más inmediato con una fiabilidad altísima (en según qué patrones y mercados).

El planteamiento es disponer estos dos flujos en orden temporal (aquí la granularidad temporal es de microsegundos) y
buscar comportamientos del flujo de ordenes a mercado vs flujo de órdenes limitada para "predecir" el precio.
No se trataría de aplicar el ML a los trades. Sino al precio propiamente dicho (aunque a efectos prácticos sería lo mismo;
es decir, en vez de montarte un sistema, sacar los trades y aplicar el ML, se cogería una secuencia de datos de la cinta
y el book y se buscarían relaciones o patrones para predecir el precio futuro aplicando el ML para encontrar esos patrones
de comportamiento). Una vez encontrados por el ML esos patrones profitables, se montaría el sistema después.

Esos patrones de comportamiento pueden ser tan simples como observar sólo órdenes a mercado de un volumen muy alto (que se asimilan a manos fuertes) y ver hacia dónde va el precio. O tan complejos como incorporar el impacto que produce las órdenes a mercado en el flujo de las limitadas (si se retiran o reponen).

Lo que agradecería saber es si esto es posible con las técnicas de ML actuales, y hasta qué punto son fiables.

Saludos

cls escribió: Esos patrones de comportamiento pueden ser tan simples como observar sólo órdenes a mercado de un volumen muy alto (que se asimilan a manos fuertes) y ver hacia dónde va el precio. O tan complejos como incorporar el impacto que produce las órdenes a mercado en el flujo de las limitadas (si se retiran o reponen).

Lo que agradecería saber es si esto es posible con las técnicas de ML actuales, y hasta qué punto son fiables.

Saludos

Prefiero que abras otro post con este asunto, pues pasar a ser un offtopic