A aprendizagem profunda pode ser usada para quantificar transações

A aprendizagem profunda pode ser usada para quantificar transações

• Sim, mas não brinque com previsões (exceto transações de alta frequência).

  Vejo muitos artigos, publicações, ou corretores, que publicam artigos sobre aprendizagem profunda para usar indicadores históricos como entrada, usar redes como a LSTM para prever os ganhos futuros de ações e futuros e correspondê-los em estratégias de negociação. Essa é uma maneira que eu basicamente tentei, seja pela classificação ou pela regressão, e os resultados são ruins.

  Aqui não se trata de usar novas tecnologias para prever os preços de ativos, como ações, mas primeiro, pergunte-se por que é possível prever o futuro com apenas algumas entradas. Esta hipótese de previsão do futuro baseada em dados históricos é forte e, sob uma hipótese forte, com uma caixa preta em um resultado de chance de vitória difícil de ser alcançado, é um pouco menos interessante.

  Como aplicar uma nova tecnologia tão boa? O aprendizado profundo é adequado para a classificação de imagens, o que é fundamental é que haja uma relação estável de dimensão de dados entre as imagens e os nomes, que é mais complexa, mas estável. A sequência financeira é diferente, e a lógica dos dados históricos para prever o futuro é muito instável, o que só causa mais confusão com o resultado de uma ferramenta tão complexa.

Traduzido de Quantified Transaction