Используя Искусственный интеллект (AI) для предсказания Курсов акций
Учитывая ряд данных, очень похожих на систему ЗАГЛАВНЫХ БУКВ The Motley Fool, где отдельные пользователи входят, ПОКУПАЮТ и ПРОДАЮТ рекомендации на различных акциях. То, что я хотел бы сделать, показать каждую рекомендацию, и я предполагаю некоторых, как уровень (1-5) относительно того, было ли это хорошим предиктором <5> (т.е. коэффициент корреляции = 1) будущего курса акций (или eps или безотносительно) или ужасным предиктором (т.е. коэффициент корреляции =-1) или где-нибудь промежуточный.
Каждая рекомендация отмечена конкретному пользователю, так, чтобы мог прослеживаться со временем. Я могу также отследить направление рынка (бычий / медвежий) базирующийся прочь чего-то как sp500 цена. Компоненты я думаю, что это имело бы смысл в модели, будут:
user
direction (long/short)
market direction
sector of stock
Мысль - то, что некоторые пользователи лучше на бычьих рынках, чем перенос (и наоборот), и некоторые лучше в коротких замыканиях, чем longs-и затем вышеупомянутое комбинации. Я могу автоматически отметить направление рынка и сектор (базирующийся от рынка в то время и рекомендуемая акция).
Мысль - то, что я мог представить серию экранов и позволить мне оценивать каждую отдельную рекомендацию путем отображения доступных абсолютных данных, рынок и сектор производительность в течение определенного периода времени. Я следовал бы подробному списку для рейтинга запасов так, чтобы рейтинг был максимально объективен. Мое предположение - то, что отдельный пользователь прав не больше, чем 57% времени - но кто знает.
Я мог загрузить систему и сказать, "Позволяет, оценивают рекомендацию, поскольку предиктор запаса оценивает 90 дней вперед"; и это представило бы очень явный набор рейтингов.
ТЕПЕРЬ вот затруднение - я хочу создать своего рода алгоритм машинного обучения, который может определить шаблоны по ряду времени так, чтобы как поток рекомендаций в приложение мы поддержали рейтинг того запаса (т.е. подобный коэффициенту корреляции) относительно вероятности той рекомендации (в дополнение к прошлому ряду рекомендаций) будет влиять на цену.
Теперь вот супер затруднение. Я никогда не посещал урок AI / читает, книга AI / не берут в голову характерный для машинного обучения. Так я бегунок, ища руководство - образец или описание аналогичной системы я мог адаптироваться. Место для поиска информации или любой общей справки. Или даже продвиньте меня в правильном направлении начинать...
Моя надежда состоит в том, чтобы реализовать это с F# и смочь произвести на моих друзей впечатление новым набором навыков в F# с реализацией машинного обучения и потенциально чего-то (приложение / источник), я могу включать в технический портфель или занести пространство в блог;
Спасибо за любой совет заранее.
7 ответов
Мой вам совет:
Существует несколько веток машинного обучения / искусственного интеллекта (ML / AI):
http://www-formal.stanford.edu/jmc/whatisai/node2.html
Я только пробовал генетическое программирование, но в разделе «обучение на собственном опыте» вы найдете нейронные сети. GP / GA и нейронные сети кажутся наиболее часто используемыми методологиями для прогнозирования фондового рынка, но если вы проведете анализ данных на Predict Wall Street , вы сможете использовать наивный байесовский классификатор. делать то, что вам интересно.
Потратьте некоторое время на изучение различных методов машинного обучения и искусственного интеллекта, получите небольшой набор данных и попробуйте реализовать некоторые из этих алгоритмов. У каждого будут свои сильные и слабые стороны, поэтому я бы порекомендовал вам попытаться объединить их с помощью классификатора Naive Bays (или чего-то подобного).
Мой опыт:
Я работаю над проблемой для моей магистерской диссертации, поэтому я представлю свои результаты, используя генетическое программирование: www.twitter.com/darwins_finches
Я начал live торговля реальными деньгами 09.09.09 .. да, это был волшебный день! Я публикую прогнозы GP до открытия рынка (т.е. временные метки в твиттере), а также размещаю заказы до открытия рынка. Прибыль за этот период составляла около 25%, мы постоянно превосходили стратегию «Покупай и держи», а также опережаем S&P 500 с акциями, которые отстают от нее.
Некоторые ресурсы:
Вот некоторые ресурсы, которые вы, возможно, захотите изучить:
- Блог Макса Дамы: http: //www.maxdama.ru / search / label / Artificial% 20Intelligence
- Мой блог: http://mlai-lirik.blogspot.com/
- Форум фондового рынка AI: http: //www.ai-stockmarketforum .com /
- Weka - это инструмент интеллектуального анализа данных с набором алгоритмов ML / AI: http://www.cs.waikato.ac.nz/ml/weka/
The Chatter:
] Общее мнение среди «финансовых людей» заключается в том, что искусственный интеллект - это наука вуду, вы не можете заставить компьютер предсказывать цены на акции, и вы обязательно потеряете свои деньги, если попытаетесь это сделать. Тем не менее, те же люди скажут вам, что почти единственный способ заработать деньги на фондовом рынке - это построить и улучшить свою собственную торговую стратегию и внимательно ей следовать.
Идея алгоритмов ИИ состоит не в том, чтобы создать Чип и позволить ему торговать за вас, а в том, чтобы автоматизировать процесс создания стратегий.
Интересные факты:
RE: обезьяны могут выбирать лучше, чем большинство экспертов
Очевидно крысы тоже довольно хороши !
Я понимаю, что обезьяны могут выбирать лучше, чем большинство экспертов , так почему бы не использовать ИИ? Просто сделайте его случайным и назовите «продвинутым обезьяньим искусственным интеллектом Мерсенна-твистера» или что-то в этом роде.
У меня степень магистра делового администрирования, и я преподаю интеллектуальный анализ данных в старшей школе.
Термин «проект» в этом году заключался в автоматическом прогнозировании движения цен акций на основе новостных сообщений. Одна команда показала точность 70% на относительно небольшой выборке, что неплохо.
Что касается вашего вопроса, многие компании заработали много денег на парной торговле (найдите пару активов, которые обычно коррелируют, и купите / продайте пару, когда они расходятся). См. записи Эда Торпа из Победите дилера . Он доступный и немного забавный, если не сказать скряга. Долгое время он управлял хорошим хедж-фондом.
Вероятно, есть некоторая возможность использования интеллектуального анализа данных для прогнозирования компаний, которые объявят дефолт (не смогут произвести платежи по долгу) и их продажи в шорт, а вырученные средства будут использоваться для покупки акций компаний с меньшей вероятностью дефолта. Изучите анализ выживаемости . Выполните поиск в Google Scholar по запросу "предсказать бедствие" и т. Д. В финансовых журналах.
Кроме того, прогнозирование компаний, которые потеряют ценность после IPO (и их сокращение. Редактировать: Facebook!). В академической литературе есть известные предубеждения, которыми можно воспользоваться.
Также обратите внимание на арбитраж структуры капитала . Это когда стоимость акций компании предполагает одну оценку, а стоимость облигаций или опционов предполагает другую стоимость. Купите дешевый актив, закормите дорогой.
Методы включают анализ выживаемости, анализ последовательности (скрытые марковские модели, условные случайные поля, правила последовательной ассоциации) и классификацию / регрессию.
И ради любви к Богу прочтите, пожалуйста, Обманутые случайностью Талеба.
† Короткая продажа акций обычно включает звонок вашему брокеру (с которым у вас хорошие отношения) и заимствование некоторых акций компании. Потом продашь их какому-то ублюдку. Подождите немного, надеюсь, цена упала, вы покупаете еще несколько акций и отдаете их своему брокеру.
Если вы хотите пройти этот долгий, темный и одинокий путь, пытаясь выбрать акции, вы можете изучить методы интеллектуального анализа данных с использованием передового программного обеспечения для интеллектуального анализа данных, такого как SPSS или SAS, или одного из дюжины других.
Возможно, вы захотите использовать комбинацию технических индикаторов и фундаментальных данных. Данные, скорее всего, будут сильно коррелированы, поэтому для уменьшения количества функций потребуется метод уменьшения количества функций, такой как PCA.
Также имейте в виду, что ваши данные нужно будет постоянно обновлять, обрезать, перемешивать, потому что рыночные условия будут постоянно меняться.
Я провел исследование с этим для класса уровня градиента, и в основном мне удалось выбрать, будут ли акции расти или падать на следующий день, но количество акций в моем наборе данных было довольно небольшим (200) и это было в течение очень короткого периода времени при стабильных рыночных условиях.
Я пытаюсь сказать, что то, что вы хотите кодировать, было реализовано очень продвинутыми способами в уже существующем программном обеспечении. Вы должны иметь возможность вводить свои данные в одну из этих программ и, используя либо регрессию, либо деревья решений, либо кластеризацию, делать то, что вы хотите.
Я думал об этом несколько месяцев.
Я думаю о теории случайных матриц / распределении Вигнера.
Я также думаю о самообучающихся картах Кохонена.
Эти комментарии к предположениям и прошлой производительности применимы и к вам.
Гораздо больше денег делают продавцы "зарабатывающих" систем, чем пользователи этих систем.
Вместо того, чтобы пытаться предсказать результаты деятельности компаний, которые вы не контролируете, создайте компанию самостоятельно и восполните некоторую потребность, предложив продукт или услугу (да, ваш продукт может быть программой прогнозирования запасов, но что-то немного менее теоретический, вероятно, лучшая идея). Работайте усердно, и стоимость вашей компании будет расти намного быстрее, чем любая азартная игра, которую вы делаете на акциях. У вас также будет множество возможностей применить навыки программирования к множеству внутренних требований, которые будут предъявляться вашей собственной компании.