Pierwsze kroki nauki przewidywania okresów finansowych za pomocą uczenia maszynowego

Próbuję zrozumieć, w jaki sposób korzystać z uczenia maszynowego do przewidywania okresów finansowych 1 lub więcej kroków w przyszłość.

Mam finansowe szeregi czasowe z niektórymi danymi opisowymi i chciałbym stworzyć model, a następnie użyć tego modelu do przewidzenia n-krok naprzód.

Do tej pory robiłem:

getSymbols("GOOG")

GOOG$sma <- SMA(Cl(GOOG))
GOOG$range <- GOOG$GOOG.High-GOOG$GOOG.Low

tail(GOOG)

           GOOG.Open GOOG.High GOOG.Low GOOG.Close GOOG.Volume GOOG.Adjusted     sma range
2013-05-07    863.01    863.87   850.67     857.23     1959000        857.23 828.214 13.20
2013-05-08    857.00    873.88   852.91     873.63     2468300        873.63 834.232 20.97
2013-05-09    870.84    879.66   868.23     871.48     2200600        871.48 840.470 11.43
2013-05-10    875.31    880.54   872.16     880.23     1897700        880.23 848.351  8.38
2013-05-13    878.89    882.47   873.38     877.53     1448500        877.53 854.198  9.09
2013-05-14    877.50    888.69   877.14     887.10     1579300        887.10 860.451 11.55

Następnie dopasowałem do tych danych model randomForest.

fit <- randomForest(GOOG$GOOG.Close ~ GOOG$sma + GOOG$range, GOOG)

Co wydaje się pasować zaskakująco dobrze:

> fit

Call:
 randomForest(formula = GOOG$GOOG.Close ~ GOOG$sma + GOOG$range,      data = GOOG) 
               Type of random forest: regression
                     Number of trees: 500
No. of variables tried at each split: 1

          Mean of squared residuals: 353.9844
                    % Var explained: 97.28

I próbował użyć go do przewidywania:

predict(fit, GOOG, n.ahead=2)

Ale ta prognoza nie działała.

Staram się przewidzieć Close, czy powinienem opóźnić pozostałe zmienne o tyle kroków, ile chcę prognozy, przed dopasowaniem modelu?

Prawdopodobnie wiele innych rzeczy, które powinienem wziąć pod uwagę, ale tak naprawdę to moje pierwsze kroki w nauce uczenia maszynowego.

Moja pierwsza obserwacja jest taka, że ​​nie opóźniłeś danych wejściowych w stosunku do ceny zamknięcia i dlatego zaobserwowałeś tak dobre dopasowanie. SMA (prosta średnia ruchoma) wykorzystuje cenę zamknięcia w swoich obliczeniach, a wysoki dolny zakres obejmuje cenę zamknięcia, więc użycie ich do przewidywania ceny zamknięcia daje uprzedzenie na przyszłość. Moim zdaniem, jeśli próbujesz przewidzieć cenę zamknięcia dwa dni wcześniej, powinieneś zbudować swój model z danymi wejściowymi opóźnionymi od ceny zamknięcia o co najmniej dwa dni. Niektóre dane wejściowe mogą być opóźnione o więcej niż dwa dni, ale zacznę od prostych i spróbuję użyć tylko garści danych wejściowych.

Jeśli chodzi o cel przewidywania ceny zamknięcia, uważam, że ceny zamknięcia są zbyt głośne, aby można je było stosować jako zmienne docelowe, a ich użycie doprowadzi do przeszacowania lub optymalizacji niewłaściwego celu. Zamiast tego zacznę od wygładzenia ceny zamknięcia ruchomą średnią, a następnie przewidywania kierunku zmiany ceny w ciągu najbliższych dwóch dni. Na przykład mogę zastąpić zamknięcie 5-dniowym SMA zamknięcia, a następnie zakodować zmianę ceny SMA jako 1, jeśli byłaby dodatnia w ciągu najbliższych dwóch dni, a 0 w przeciwnym razie. Ponieważ zmienna wyjściowa jest teraz zakodowana jako 1 lub 0, jest to dobry problem, aby spróbować rozwiązać za pomocą losowej funkcji lasu, z której korzystałeś. Możesz także wypróbować inne algorytmy klasyfikacji, takie jak regresja logistyczna, sieci neuronowe i maszyny SVM, a może połączyć kilka w zespół, aby poprawić swoją wydajność. Jest to nadal trudny problem do rozwiązania bez nadmiernego dopasowania, ale jest to krok we właściwym kierunku. Innym ostrzeżeniem jest to, że twój ostateczny model może mieć niesamowitą dokładność w klasyfikowaniu kolejnych dwóch dni jako pozytywnych lub negatywnych, ale nadal traci pieniądze, ponieważ nieprawidłowo sklasyfikował kilka dużych ruchów.

Poleciłbym również zbudowanie modelu na więcej niż jednym zabezpieczeniu, aby algorytm uczenia maszynowego nie dopracował osobliwości jednego zapasu. Zacznę od co najmniej 5 akcji, które nie są ze sobą ściśle powiązane.

Trading on the Edge Guido Deboeck jest dobrym miejscem do rozpoczęcia badań nad zastosowaniem uczenia maszynowego do prognozowania szeregów czasowych. To starsza książka, więc jest daleko w tyle za technologią, którą mamy dziś dostępną, ale to dobry początek. Poleciłbym również nowe systemy i metody handlu Kaufman oraz Expert Trading Systems Johna Wolberga.