ventajas sirve que pelicula para inteligencia google funciona ejemplos desventajas como artificial aplicaciones f# artificial-intelligence machine-learning finance classification

f# - sirve - Uso de inteligencia artificial(IA) para predecir los precios de las acciones



inteligencia artificial ventajas y desventajas (8)

¿Cómo manejará el hecho de que en el momento en que comienza a usar su sistema, ha alterado el sistema y, por lo tanto, el modelo bajo el cual opera su IA ya no es válido?

Dado un conjunto de datos muy similar al sistema Motley Fool CAPS , donde los usuarios individuales ingresan las recomendaciones de COMPRA y VENTA en varias acciones. Lo que me gustaría hacer es mostrar cada recomendación y supongo que la tasa (1-5) de si fue un buen predictor <5> (es decir, coeficiente de correlación = 1) del precio de las acciones futuras (o eps o lo que sea) o un predictor horrible (es decir, coeficiente de correlación = -1) o en algún lugar intermedio.

Cada recomendación está etiquetada para un usuario en particular, por lo que se puede realizar un seguimiento a lo largo del tiempo. También puedo rastrear la dirección del mercado (alcista / bajista) basada en algo como el precio de 500 sp. Los componentes que creo que tendrían sentido en el modelo serían:

user direction (long/short) market direction sector of stock

La idea es que algunos usuarios son mejores en mercados alcistas que bajistas (y viceversa), y algunos son mejores en cortos que largos, y luego una combinación de los anteriores. Puedo etiquetar automáticamente la dirección del mercado y el sector (basado fuera del mercado en el momento y la equidad que se recomienda).

La idea es que podría presentar una serie de pantallas y permitirme clasificar cada recomendación individual al mostrar el rendimiento absoluto de los datos disponibles, del mercado y del sector durante un período de tiempo específico. Seguiría una lista detallada para clasificar las acciones de modo que la clasificación sea lo más objetiva posible. Mi suposición es que un solo usuario tiene razón no más del 57% del tiempo, pero quién sabe.

Podría cargar el sistema y decir "Permite clasificar la recomendación como un factor predictivo del valor de las acciones 90 días después"; y eso representaría un conjunto de rankings muy explícito.

AHORA aquí está el quid: quiero crear algún tipo de algoritmo de aprendizaje automático que pueda identificar patrones durante una serie de tiempo para que, a medida que las recomendaciones se incorporen a la aplicación, mantengamos una clasificación de ese stock (es decir, similar al coeficiente de correlación) para la probabilidad de esa recomendación (además de la serie pasada de recomendaciones) afectará el precio.

Ahora aquí está el super crux. Nunca he tomado una clase de IA, leí un libro de AI, ni me importó el aprendizaje automático. Así que busco una guía - muestra o descripción de un sistema similar que podría adaptar. Lugar para buscar información o cualquier ayuda general. O incluso empujarme en la dirección correcta para empezar ...

Mi esperanza es implementar esto con F # y poder impresionar a mis amigos con un nuevo conjunto de habilidades en F # con una implementación de aprendizaje automático y potencialmente algo (aplicación / fuente) que puedo incluir en un portafolio de tecnología o espacio de blog;

Gracias por cualquier consejo por adelantado.

He estado pensando en esto por unos meses.

Estoy pensando en la distribución de Random Matrix Theory / Wigner''s.

También estoy pensando en los mapas de autoaprendizaje de Kohonen.

Los vendedores de sistemas de "hacer dinero" ganan mucho más dinero que los usuarios de esos sistemas.

En lugar de tratar de predecir el rendimiento de las empresas sobre las que no tiene control, forme una empresa usted mismo y satisfaga sus necesidades ofreciendo un producto o servicio (sí, su producto puede ser un programa de predicción de acciones, pero algo un poco menos teórico es probablemente una mejor idea). Trabaja duro, y el valor de tu empresa aumentará mucho más rápido que cualquier juego que hagas en acciones. También tendrá muchas oportunidades para aplicar las habilidades de programación a la gran cantidad de requisitos internos que tendrá su propia empresa.

Si desea seguir este largo, oscuro y solitario camino de tratar de seleccionar acciones, puede considerar las técnicas de extracción de datos utilizando un software avanzado de extracción de datos como SPSS o SAS o una de las otras doce.

Probablemente querrá utilizar una combinación o indicadores técnicos y datos fundamentales. Es muy probable que los datos estén altamente correlacionados, por lo que se necesitará una técnica de reducción de características como la PCA para reducir el número de características.

Además, tenga en cuenta que sus datos tendrán que actualizarse, recortarse, ordenarse de forma constante, ya que las condiciones del mercado cambiarán constantemente.

Hice una investigación con esto para una clase de nivel de posgrado y básicamente tuve algo de éxito al elegir si una acción subiría o bajaría al día siguiente, pero la cantidad de acciones en mi conjunto de datos era bastante pequeña (200) y había terminado. un marco de tiempo muy corto con condiciones de mercado consistentes.

Lo que estoy tratando de decir es que lo que desea codificar se ha hecho de manera muy avanzada en el software que ya existe. Debería poder ingresar sus datos en uno de estos programas y usar regresión, árboles de decisiones o agrupación en clústeres para poder hacer lo que quiere hacer.

Tengo un MBA y enseño minería de datos en una escuela superior.

El término proyecto este año fue predecir los movimientos de los precios de las acciones automáticamente a partir de los informes de noticias. Un equipo tenía 70% de precisión, en una muestra razonablemente pequeña, lo cual no está mal.

Con respecto a su pregunta, muchas compañías han ganado mucho dinero en el comercio de pares (encuentre un par de activos que normalmente se correlacionan y compre / venda el par cuando divergen). Vea los writings de Ed Thorpe, de Beat the Dealer . Es accesible y un poco gracioso, si no curiosamente. Corrió un buen fondo de cobertura por un largo tiempo.

Probablemente haya espacio para usar la minería de datos para predecir que las empresas fallarán (no podrán hacer pagos de la deuda) y hacer un corto en †, y utilizar las ganancias para comprar acciones en compañías con menor probabilidad de incumplimiento. Mira en el análisis de supervivencia . Busque en Google Scholar "predicción de problemas", etc. en revistas de finanzas.

Además, predice empresas que perderán valor después de una salida a bolsa (y acortándolas. Edite: ¡Facebook!). Existen sesgos conocidos, en la literatura académica, que pueden ser explotados.

También, mira en arbitraje de estructura de capital . Esto es cuando el valor de las acciones en una compañía sugiere una valoración, pero el valor de los bonos u opciones sugiere otro valor. Comprar el activo barato, corto el costoso.

Las técnicas incluyen análisis de supervivencia, análisis de secuencia (modelos ocultos de Markov, campos aleatorios condicionales, reglas de asociación secuencial) y clasificación / regresión.

Y por el amor de Dios, lee Fooled By Randomness by Taleb.

† Poner en cortocircuito una acción generalmente implica llamar a su agente (con el que tiene una buena relación) y pedir prestado algunas acciones de una empresa. Entonces las vendes a un pobre bastardo. Espere un momento, ojalá que el precio haya bajado, compre un poco más de las acciones y devuélvalas a su agente.

Mi consejo para usted:
Hay varias ramas de aprendizaje automático / inteligencia artificial (ML / AI) por ahí:
http://www-formal.stanford.edu/jmc/whatisai/node2.html

Solo he probado la programación genética, pero en la rama "aprender de la experiencia" encontrarás redes neuronales. GP / GA y las redes neuronales parecen ser las metodologías más comúnmente exploradas para el propósito de las predicciones del mercado de valores, pero si realiza una minería de datos en Predict Wall Street , podría utilizar un clasificador Naive Bayes para hacer lo que está haciendo. interesado en hacer.

Pase un poco de tiempo aprendiendo sobre las diversas técnicas de ML / AI, obtenga un pequeño conjunto de datos e intente implementar algunos de esos algoritmos. Cada uno tendrá sus fortalezas y debilidades, por lo que te recomiendo que intentes combinarlos utilizando el clasificador Naive Bays (o algo similar).

Mi experiencia:
Estoy trabajando en el problema para mi tesis de maestría, así que presentaré mis resultados usando la programación genética: www.twitter.com/darwins_finches

Comencé a operar con dinero real el 09/09/09. Sí, ¡fue un día mágico! Publico las predicciones del GP antes de que se abra el mercado (es decir, las marcas de tiempo en twitter) y también hago los pedidos antes de que se abra el mercado. El beneficio para este período ha sido de alrededor del 25%, hemos superado sistemáticamente la estrategia de compra y mantenimiento y también estamos superando al S&P 500 con acciones que no lo están logrando.

Algunos recursos:
Aquí hay algunos recursos que podría querer ver:

El Chatter:
El consenso general entre las "personas financieras" es que la Inteligencia Artificial es una ciencia vudú, no puede hacer que una computadora prediga los precios de las acciones y de seguro perderá su dinero si trata de hacerlo. Sin embargo, las mismas personas le dirán que la única forma de ganar dinero en el mercado de valores es construir y mejorar su propia estrategia comercial y seguirla de cerca.

La idea de los algoritmos de IA no es construir Chip y dejar que él cambie por ti, sino automatizar el proceso de creación de estrategias.

Hechos graciosos:
RE: los monos pueden elegir mejor que la mayoría de los expertos
¡Aparentemente las ratas son bastante buenas también !