L'apprentissage en profondeur peut-il être utilisé pour quantifier les transactions?

L'apprentissage en profondeur peut-il être utilisé pour quantifier les transactions?

• Oui, mais ne jouez pas aux prédictions (sauf pour les transactions à haute fréquence)

  J'ai vu beaucoup d'articles, des journaux publics ou des courtiers, sur l'apprentissage en profondeur, en utilisant des indicateurs historiques comme des entrées, en utilisant des réseaux comme LSTM pour prédire les rendements futurs des actions, des contrats à terme, et en les adaptant à une stratégie de trading. J'ai essentiellement essayé cette méthode, et les résultats ont été mauvais, que ce soit par le biais de la classification ou de la régression.

  Nous ne parlons pas ici de l'incrédulité de l'utilisation de nouvelles technologies pour prédire les prix d'actifs tels que les actions, mais nous vous demandons d'abord de comprendre pourquoi il est possible de prédire l'avenir en utilisant quelques entrées. Cette hypothèse de prédire l'avenir basée sur des données historiques est forte.

  Alors, comment appliquer une nouvelle technologie aussi bonne? L'apprentissage en profondeur est adapté à la classification des images, la clé est d'avoir une correspondance dimensionnelle stable entre les images et les noms, cette relation est plus complexe, mais stable. Les séquences financières sont différentes, la logique des données historiques prédisant l'avenir est elle-même instable, ce qui rend les résultats d'un tel outil complexe encore plus confus.

Traduit de Ciné-Quantité