Desarrollo de un algoritmo de trading.
ForoCoches: Miembro
26-may-2018 01:27
#61
|
Buenas shur, hace poco estuve mirando para hacer algo similar, primero, te recomiendo un link para el análisis del sentimiento en Twitter, por si te interesa: https://towardsdatascience.com/anoth...s-bb5b01ebad90, a mí me funciono bastante bien para empezar con minado de texto. Por otro lado, y esta va para cualquiera, por qué no enfocas todo esto en un mercado como Forex? En mi Novata opinión pienso que es más predecible y en parte sencillo analizar el sentimiento de una moneda en vez de una criptomoneda. Seguiré tus avances! Probaré el código y si quieres, en verano (jornada intensiva) te puedo echar una mano. |
Editado: 26-may-2018 01:29 - Razón: El teclado estaba en inglés
ForoCoches: Miembro
31-may-2018 13:52
#64
| un shur estaba desarrollandolo durante bastantes meses y tampoco conseguimos sacar nada en claro. Eso si hay que seguir intentandolo |
Mi polla en tu frente.
01-jun-2018 02:56
#65
|
Buenas tarde shur!
Este pasado año estudié un máster relacionado con el tema. La verdad es que a mi esto me llama la atención muchísimo. Tenía intención de crear un aplicativo capaz de "predecir" con algoritmos de aprendizaje automático, cómo fructua el valor de un activo. Para ello, entre otras cosas, utilicé los datos históricos, ya que un activo con poca fluctuación históricamente, no debería de tener demasiada en el futuro. También utilicé la api de Twitter para obtener aquellos twits relacionados, en alguna forma, con el activo en cuestión. Para ello, básicamente, obtuve un listado de palabras "malas", otro de palabras "buenas" y otro de todas aquellas palabras que podían hacer referencia al activo sobre el que quería realizar el estudio. Llegué a hacer algo similar estudiando noticias del New York Times, creo recordar que hay un api que te permite acceder a noticias actuales. Sea como fuere, lo acabé apartando, ya que mi actual curro me come bastante tiempo (además de la novia y los putos videojuegos). En caso de que necesites algo en concreto, yo estaría dispuesto a ayudarte, aunque, no tengo ni puta idea de Python. |
The 80´s ] - [ Socio #159 : 
*AutoBan Spam/Flood/Troll*
16-jun-2018 12:26
#67
| Ya estoy desmontando mitos con datos, os mantendré informados estoy trabajando con gráficos de día de yahoo |
Forocochia68
16-jun-2018 12:29
#69
| Yo de momento, he parado el desarrollo. Mi principal problema es que no sé como abordar el proyecto |
*AutoBan Spam/Flood/Troll*
21-jun-2018 06:30
#70
|
Lo primero es tener una estrategia ganadora, y como ya sabrás, un metodo "fiable" es hacer backtests, eso no quiere decir que "out of sample" vaya a funcionar igual, así que recomendable probarlo durante meses en el mercado real y ver como se comporta.
Hay muchísimas cosas que no son programables (al menos yo no sé como hacerlo), noticias, "patrones", soportes-resistencias... aunque depende de la estrategia de cada uno si lo usan o no. Si tienes una estrategia ganadora en el trading, podrías ganar mucho dinero en poco tiempo (apalancamiento), y cuando tengas esa estrategia, luego planteate si quieres (o si puedes) y te merece la pena el tiempo que tienes que invertir en crear un bot con esa estrategia para que trabaje por ti. Solo veo justificado hacerlo si quieres hacer arbitraje, si no es así, es una inmensa pérdida de tiempo. |
Forocochia68
29-may-2019 00:46
#71
|
Sigo estudiando el tema, ahora mismo intento implementar un algoritmo lo más básico posible con Q-learning, después hay otro tipo de aprendizaje por políticas, y ya lo siguiente sería unir las dos, DDPG, deep deterministic policy gradients siguiendo el esquema de actor y crítico donde el actor es la política y el crítico es el que evalua con respecto a la recompensa (Q learning + policies). Lo gracioso del aprendizaje reforzado, es el tema de las recompensas, hay que modelarlo todo para que sea coherente. He visto que hay una tecnica llamada TD learning, que es algo así como aprendizaje a través de diferenciación en el tiempo y entrenando por lotes en paralelo. Que díficil!, me cuesta muchísimo meterle mano al código, aún no tengo los conceptos claros, por eso quiero empezar por deep Q learning con un par de LSTM simples con dropout y un par de capas densamente conectadas hasta la salida (recompensas), las entradas Open,High,Low,Close,Volume, diferenciados y pasados a escala logaritmica, y un entrenamiento en linea. A partir de ahí ir progresando, pero teniendo ya definidas unas métricas, por ejemplo el sharpe ratio sobre el desarrollo del agente en un conjunto de datos de validación (diferentes a los de entrenamiento). Así que bueno, ya hace más de un año que abrí el hilo, pero aún no he conseguido ningún resultado interesante. El tema de modelar las recompensas es curioso, teneis alguna idea? Lo más básico que se me ocurre es dar las recomensas en base al crecimiento o decrecimiento del patrimonio del agente. Pero creo que tambien seríe interesante estudiar el tema de recompensarle por operar sobre resistencias y soportes, y en base al riesgo. |
Editado: 29-may-2019 00:51 -