Desarrollo Red Neuronal Para Trading

Calenturiento

Forero Paco Demier
Desde
17 Jun 2021
Mensajes
39
Fruta
42
Muy buenas, quisiera compartir en este foro mi euforia tras haber publicado después de 6 meses de trabajo un software que realiza predicciones para precios de diferentes criptomonedas. La tecnología se basa en redes neuronales convolucionales que analizan todo tipo de datos relacionados con la criptomoneda en sí y hace predicciones cada hora para diferentes tramos horarios. La inteligencia artificial va aprendiendo a tiempo real con los datos que recoge constantemente.

Para los tramos de una semana los resultados son sorprendentemente positivos. Me hallo realizando código para implementarlo a los principales pares de Forex y bolsa tradicional (SP500 y principales empresas del Nasdaq). Acepto sugerencias constructivas y opiniones no destructivas puesto que el curro que lleva detrás es faraónico.

PD.; Por si a alguien le interesa, la web es
Tienes que estar registrado para ver este contenido
(
Tienes que estar registrado para ver este contenido
), está curiosa de ver.

***ACTUALIZACIÓN***

Acabo de incluir 20 pares de Forex, la complejidad reside en ajustar las predicciones únicamente para días de diario. Actualmente se encuentran funcionando en
Tienes que estar registrado para ver este contenido
 

Adjuntos

Archivo oculto para usuarios no registrados
Última edición:
Calenturiento dijo:
Muy buenas, quisiera compartir en este foro mi euforia tras haber publicado después de 6 meses de trabajo un software que realiza predicciones para precios de diferentes criptomonedas. La tecnología se basa en redes neuronales convolucionales que analizan todo tipo de datos relacionados con la criptomoneda en sí y hace predicciones cada hora para diferentes tramos horarios. La inteligencia artificial va aprendiendo a tiempo real con los datos que recoge constantemente.

Para los tramos de una semana los resultados son sorprendentemente positivos. Me hallo realizando código para implementarlo a los principales pares de Forex y bolsa tradicional (SP500 y principales empresas del Nasdaq). Acepto sugerencias constructivas y opiniones no destructivas puesto que el curro que lleva detrás es faraónico.

PD.; Por si a alguien le interesa, la web es
Tienes que estar registrado para ver este contenido
(
Tienes que estar registrado para ver este contenido
), está curiosa de ver.
Hacer clic para expandir...



No he mirado aún la web. Ahora le echaré un vistazo.

Hace tiempo, me interesé en las redes neuronales (sencillas, 'feedforward' y con una sola capa oculta) como 'interpoladores universales'. Me dio bastante buen resultado, pero las redes –cuando el caso se complica– tienen un problema que (supongo) la velocidad actual de los ordenadores habrá resuelto, y es que, para lograr la convergencia en el entrenamiento, hacía falta mucho tiempo hasta que se lograba el valor-compromiso de los elementos de las matrices de transferencia.

Estoy hablando de hace unos veinte años, ojo...

Creo que puede funcionar como sistema predictivo, pero harán falta bastantes factores a considerar, porque muchas veces se pretende obtener una predicción exclusivmente por autocorrelación, y eso no es suficiente...
 
Alano Carpetovetonico diría que te equivocas en algunos aspectos.

1- Para criptomonedas no operan basicamente, por lo que el mercado es más virgen.

2- Puedes ver los históricos de 1 semana para hasta 3 meses atrás y generalmente son positivos.

3- Todo depende del volumen de operación. Ellos normalmente realizan trading algorítmico y son capaces de realizar miles de operaciones por semana. Estos tramos horarios son más amplios y tenemos en cuenta el volumen que ellos mismos meten en el mercado.

Por lo demás tienes razón, pero habrá que ir viendo qué pasa. Te agradezco las palabras!
 
XXavier ese problema se soluciona con los datos normalizados del sentimiento de Twitter. Tengo otra red que únicamente analiza y normaliza lo que sucede en las redes sociales con el fin de eliminar ese "lag". Hay muchas aristas a tener en cuenta y es un tema complejo pero fascinante.
 
Calenturiento dijo:
XXavier ese problema se soluciona con los datos normalizados del sentimiento de Twitter. Tengo otra red que únicamente analiza y normaliza lo que sucede en las redes sociales con el fin de eliminar ese "lag". Hay muchas aristas a tener en cuenta y es un tema complejo pero fascinante.
Hacer clic para expandir...

Es interesante lo de 'objetivizar' los sentimientos que aparecen en Twitter, pero –a mi juicio– para mejorar la predicción habría que incorporar más variables; hasta la época del año y la temperatura y las horas de sol/ pluviosidad en las ciudades importantes... Y muchas más variables que no se me ocurren ahora, aparte de no pocas que estarán entre los 'unknown unknowns' de Rumsfeld...

Pero concuerdo en que se puede aproximar la cosa usando redes neuronales...
 
XXavier dijo:
Es interesante lo de 'objetivizar' los sentimientos que aparecen en Twitter, pero –a mi juicio– para mejorar la predicción habría que incorporar más variables; hasta la época del año y la temperatura y las horas de sol/ pluviosidad en las ciudades importantes... Y muchas más variables que no se me ocurren ahora, aparte de no pocas que estarán entre los 'unknown unknowns' de Rumsfeld...

Pero concuerdo en que se puede aproximar la cosa usando redes neuronales...
Hacer clic para expandir...

Jamás habría pensado en incorporar datos de la climatología pero tiene sentido. A peor tiempo, más trading.
 
Thundercat dijo:
Convolucionales dice jajajajajajajaj
Vete a tomar por pandero a timar a los ignorantes zascandil
Hacer clic para expandir...

Hombre, no seáis tan mal pensados, que tampoco es una locura.

Para tratar con series temporales en principio es mejor una red recurrente (con unidades GRU, LSTM o algo así), pero en el caso del trading, que lo mismo no hace falta una memoria muy a largo plazo... ahí sí podrían funcionar también arquitecturas convolucionales. Piensa en filtros de una dimensión pero bastante "largos", que dan una memoria a corto plazo limitada por el tamaño del filtro y el número de capas convolucionales que se ponga.

Es cuestión de probar. Lo que me extraña, como ya han dicho arriba, es que vayan a ganar a monstruos de las finanzas que seguro que llevan tiempo en estas cosas.
 
Thundercat dijo:
Convolucionales dice jajajajajajajaj
Vete a tomar por pandero a timar a los ignorantes zascandil
Hacer clic para expandir...
Te aconsejo que antes de intentar faltar a alguien y quedar retratado, te informes. Te dejo un artículo científico para que indagues: S. Albawi, T. A. Mohammed and S. Al-Zawi, "Understanding of a convolutional neural network," 2017 International Conference on Engineering and Technology (ICET), 2017, pp. 1-6, doi: 10.1109/ICEngTechnol.2017.8308186.
 
ShellShock dijo:
Hombre, no seáis tan mal pensados, que tampoco es una locura.

Para tratar con series temporales en principio es mejor una red recurrente (con unidades GRU, LSTM o algo así), pero en el caso del trading, que lo mismo no hace falta una memoria muy a largo plazo... ahí sí podrían funcionar también arquitecturas convolucionales. Piensa en filtros de una dimensión pero bastante "largos", que dan una memoria a corto plazo limitada por el tamaño del filtro y el número de capas convolucionales que se ponga.

Es cuestión de probar. Lo que me extraña, como ya han dicho arriba, es que vayan a ganar a monstruos de las finanzas que seguro que llevan tiempo en estas cosas.
Hacer clic para expandir...

Nunca dije que vaya a ganar a nadie. El tema es el volumen de respaldo de la estrategia y el algoritmo. Los grandes fondos cuentan con que ellos operan con un capital ingente. Yo, por suerte o por desgracia, no.
 
Calenturiento dijo:
Nunca dije que vaya a ganar a nadie. El tema es el volumen de respaldo de la estrategia y el algoritmo. Los grandes fondos cuentan con que ellos operan con un capital ingente. Yo, por suerte o por desgracia, no.
Hacer clic para expandir...

No, si eso lo digo yo. De todas formas tampoco necesitas ganarles, te vale con ganar tú algo más que lo que gana el resto.

Mi recomendación ya te la he dicho antes: no te quedes sólo con las CNNs, prueba también RNNs o incluso técnicas que no tengan que ver con redes neuronales como XGB u otros tipos de gradient boosting. De todas formas aquí sospecho que lo que más puede hacer es que sepas encontrar variables buenas y meterlas en el sistema. Incorporar datos de otras fuentes y tal. Ya se ha mencionado el análsis de sentimiento con Twitter, pero podría haber otras cosas interesantes y menos trilladas.

Si te haces rico me invitas a algo.
 
ShellShock dijo:
No, si eso lo digo yo. De todas formas tampoco necesitas ganarles, te vale con ganar tú algo más que lo que gana el resto.

Mi recomendación ya te la he dicho antes: no te quedes sólo con las CNNs, prueba también RNNs o incluso técnicas que no tengan que ver con redes neuronales como XGB u otros tipos de gradient boosting. De todas formas aquí sospecho que lo que más puede hacer es que sepas encontrar variables buenas y meterlas en el sistema. Incorporar datos de otras fuentes y tal. Ya se ha mencionado el análsis de sentimiento con Twitter, pero podría haber otras cosas interesantes y menos trilladas.

Si te haces rico me invitas a algo.
Hacer clic para expandir...

He probado con todas las que mencionas, las LSTM/GRU son las más populares en artículos científicos, pero las que mejor resultados me han dado sin duda han sido las convolucionales. Iré actualizando los resultados que voy obteniendo no tengas duda!
 
Calenturiento dijo:
He probado con todas las que mencionas, las LSTM/GRU son las más populares en artículos científicos, pero las que mejor resultados me han dado sin duda han sido las convolucionales. Iré actualizando los resultados que voy obteniendo no tengas duda!
Hacer clic para expandir...

Como dije en el primer post, eso puede tener sentido puesto que la ventaja de las RNNs sobre las CNNs en series temporales se hace evidente cuando es necesaria una memoria a largo plazo, y en el trading muy posiblemente no sea el caso.

Ten en cuenta que para otros modelos como el XGB que te decía, tendrías tú que hacer la preparación de las variables para incluir la información temporal (con modelos autorregresivos, a mano o como prefieras), porque esos modelos por sí mismos no pillan la estructura temporal de los datos de trading. Vamos, que no sería justo comparar un modelo de esos con una red neuronal convolucional o recurrente si no se le trabaja la información temporal previamente.
 
Dejate de guano y dime como tu red neuronal convolucional saca información del futuro de medidas del pasado con información mutua cero. Me da igual convolucional, que transductores que gromenauers, la clave no está en la complejidad del modelo sino en el cociente señal/ruido, de hecho mayor complejidad, mayor sesgo y misma varianza.

No estarás convolucionando el futuro??? pensando:

Pd: si no haceis vuestro analisis sobre los retornos estais prediciendo el nivel actual que para trading es como predecir defecarros. Con los retornos descubrireis que la información mutua del pasado con respecto al futuro es max 8-10% y que producir un modelo que la aproveche es casi imposible
 
Última edición:
ciberobrero dijo:
Dejate de guano y dime como tu red neuronal convolucional saca información del futuro de medidas del pasado con información mutua cero. Me da igual convolucional, que transductores que gromenauers, la clave no está en la complejidad del modelo sino en el cociente señal/ruido, de hecho mayor complejidad, mayor sesgo y misma varianza.

No estarás convolucionando el futuro??? pensando:
Hacer clic para expandir...
La red busca patrones a base de datos. En función de los datos actuales emite una prediccion basandose en los patrones que ha asimilado. No es infalible, nada lo es, pero es interesante y para intervalos de tiempo semanales parece funcionar bastante bien.
 
ciberobrero dijo:
Dejate de guano y dime como tu red neuronal convolucional saca información del futuro de medidas del pasado con información mutua cero. Me da igual convolucional, que transductores que gromenauers, la clave no está en la complejidad del modelo sino en el cociente señal/ruido, de hecho mayor complejidad, mayor sesgo y misma varianza.

No estarás convolucionando el futuro??? pensando:

Pd: si no haceis vuestro analisis sobre los retornos estais prediciendo el nivel actual que para trading es como predecir defecarros
Hacer clic para expandir...
No estoy vendiendo nada! Es gratis y lo publico porque es un tema que me apasiona y que creo que le aguarda un futuro prometedor
 
Calenturiento dijo:
La red busca patrones a base de datos. En función de los datos actuales emite una prediccion basandose en los patrones que ha asimilado. No es infalible, nada lo es, pero es interesante y para intervalos de tiempo semanales parece funcionar bastante bien.
Hacer clic para expandir...

No me cuentes lo evidente. Sabes lo que es la información mutua?
 
ciberobrero dijo:
No me cuentes lo evidente. Sabes lo que es la información mutua?
Hacer clic para expandir...
Se lo que es. El análisis del sentimiento de la API de twitter ayuda a reducir el ruido que podria surgir si unicamente se usaran variables de precio (aunque estuvieran normalizadas). Puedes verlo tú mismo, para datos semanales acierta bastante más que falla y por ende la red es capaz de “entender” por poquito que sea, como se comporta el mercado.
 
¿Podias utilizar ese algoritmo para predecir niveles de glucosa en alguien diabéticos? Y así inyectar la insulina necesaria?
 
Iniciar sesión o registrarte para responder aquí.

Estadísticas del foro

Temas
2.048.613
Mensajes
58.122.222
Miembros
190.812
Último miembro
Davimende

El blog de burbuja.info

Volver