Торговля с линейной регрессией и техническим анализом
Эта статья является первой частью нескольких обзоров, которые я составил, комментируя курсы Quantra. В частности, это будет обзор их курса «Торговля с помощью машинного обучения: регрессия». Для тех из вас, кто не знаком, Quantra — это учебная платформа, ориентированная на алгоритмическую торговлю. Думайте об этом как о замене для тех из вас, у кого был предыдущий опыт работы с Quantopian до того, как он вышел из строя.
Если вы заинтересованы в том, чтобы попробовать этот курс самостоятельно или просмотреть другие подобные курсы, нажмите НАЖМИТЕ ЗДЕСЬ, чтобы получить мою реферальную ссылку.
Для кого предназначен курс и полезен ли курс?
Этот курс хорош для тех, кто хочет окунуться в создание своего первого торгового алгоритма на Python. Все кодирование, математика и машинное обучение на самом деле выполняются шаг за шагом с использованием различных источников обучения. Например, есть сочетание видео, объяснений в формате PDF, викторин и кодирования, на которые уходит более 5 часов обучения.
Преимущества курса
Запрограммируйте торговую стратегию для прогнозирования максимумов и минимумов следующего дня.
Объясните понятие регрессии.
Объясните, как градиентный спуск помогает в оптимизации функции стоимости
Выполнить настройку гиперпараметров
Бумажная торговля и живая торговля вашими стратегиями без каких-либо установок или загрузок [1]
Интересные примечания
Я бы сказал, что единственное, что может сделать этот курс сложным, — это отсутствие опыта работы с Pandas и Numpy. Но это не нарушает условия сделки. Темп курса достаточно хорош, чтобы вы могли учиться по ходу дела.
Еще одно замечание: курс довольно подробно объясняет регрессию, градиентный спуск и настройку гиперпараметров. Я бы сказал, что если вам предстоит собеседование или вам просто нужно освежить в памяти эти концепции, это может помочь.
Торговая модель линейной регрессии
Линейная регрессия обычно используется для моделирования отдельных функций в одной связи. Если вы хотите продолжить, вот ссылка на Github. В данном случае мы рассматриваем данные о ценах на акции EBS, взятые из Yahoo Finance за период с 2017 года по 27 июля 2021 года. Ниже приведен график цены закрытия всех данных:
Далее мы вычислим скользящую среднюю EBS за 3, 15 и 60 дней и сохраним ее в S_3, S_15 и S_60 соответственно. Затем мы вычислим корреляцию между ценой закрытия и 3-дневной скользящей средней и сохраним ее в Corr. Затем мы вычислим разницу между максимумом и открытием, открытием и минимумом, открытием и открытием предыдущего дня, а также открытием и закрытием предыдущего дня и сохраним ее в Std_U, Std_D, OD и OL. Пример кадра данных показан ниже:
Чтобы сделать нашу обработку данных более гладкой для нашей модели линейной регрессии, мы создадим конвейер, состоящий из вменения, масштабирования и фактической линейной регрессии. Вменение полезно для заполнения недостающих данных. Масштабирование необходимо для того, чтобы наша модель линейной регрессии не получала неправильных идей из-за выбросов. Модель линейной регрессии будет использоваться для прогнозирования максимума и минимума следующего дня, что будет выглядеть следующим образом:
Для торговой стратегии мы сделаем несколько вещей. Мы будем использовать предсказанные высокие и предсказанные низкие значения, чтобы определить, покупать или продавать на следующий день. Мы продадим, когда:
- Фактическое высокое значение больше прогнозируемого высокого значения и
- Фактическое нижнее значение больше прогнозируемого нижнего значения.
Мы будем покупать, когда:
- Фактическое высокое значение меньше прогнозируемого высокого значения и
- Фактическое нижнее значение меньше прогнозируемого нижнего значения.
Затем мы построим график доходности и доходности стратегии, как показано ниже:
Выше мы видим, что EBS не так хорошо работал в последние месяцы, так как он находится в нисходящем тренде. С другой стороны, стратегия линейной регрессии была немного прибыльной!
Вывод
В целом, курс «Торговля с регрессией машинного обучения» представляет собой хорошее введение в машинное обучение и торговлю для новичков в этой области. Для более опытных практиков он обеспечивает достойное обновление уже изученных концепций. Разнообразие учебных материалов в курсе создало хороший темп обучения. Кроме того, окончательная модель линейной регрессии — это забавный код, с которым можно повозиться, чтобы найти положительные результаты!
Если вы заинтересованы в том, чтобы попробовать этот курс самостоятельно или просмотреть другие подобные курсы, нажмите НАЖМИТЕ ЗДЕСЬ, чтобы получить мою реферальную ссылку.
Отказ от ответственности. Все, что изложено в этой статье, является моим собственным мнением, а не мнением какого-либо работодателя. Инвестирование сопряжено с серьезным риском, и консультируйтесь со своим инвестиционным консультантом для принятия всех инвестиционных решений. Я могу активно торговать активами, указанными в этой статье. Этот пост содержит партнерские ссылки, связанные с Quantra.
использованная литература
[1]Квантинсти. (н.д.). Торговля с помощью машинного обучения: регрессия. Получено с https://quantra.quantinsti.com/course/trading-with-machine-learning-regression/?ref=lesterleong
