ECHO
15 perces átlag-visszafordítás ETF-eken és volatilitástermékeken
Hegyi nimfa, akinek a hangja visszatér — az ár visszaáll a valós értékre
MitECHO befolyásol
ECHO elkapja a piac visszatérését a valós értékhez — a visszhangot. 37 visszafordítást előnyben részesítő eszközre (széles ETF-ek, volatilitástermékek, kamatok, áruk) lett tanítva, és szándékosan vak a trendmutatókra.
Rövid távú átlag-visszafordítás ingadozó/tartózkodó rezsimekben
Hogyan működik
ECHO egy faktorizált csatorna × idő figyelemtranszformátor. Megnéz egy 160-báros kontextusablakot, amely 12 bemeneti csatornából áll, és megjósolja a következő 4 bár teljes eloszlását.
Előrefelé haladva: bemeneti OHLCV + indikátor csatornák → foltozott beágyazás → váltakozó tér/idő figyelem rétegek → egyetlen beágyazásba gyűjtve → MLP fej 7 kvantilis szintet jósol horizont lépésenként.
Bemeneti csatornák
Minden bár z-score normalizált per-ablakban, csak a kontextus statisztikáit használva, így a modell relatív elmozdulásokat lát, nem abszolút árakat.
Kimenet
Adat és tanítás
Univerzum
37 szimbólumok
mean_revert_universe
A szimbólumok likvid, kereskedhető instrumentumok, amelyek aECHO. A betanítási populáció. Minden előrejelzési ciklus előre-tesztelést futtat ugyanazon az univerzumban, így a teljesítményszámok nem válogatottak.
Miért ez a betanítási ablak
Szándékosan kizárjuk a 2010 előtti adatokat. Az elő-decimilizációs (törtszámok 2001 áprilisáig), az elő-HFT rendszer (≤2007) és a 2007–2009-es hitelválság olyan piaci struktúrát tükröz, amely már nem létezik. A3.3 M paraméterek mellett, ha a kapacitást erre a rezsimre égetjük, az olyan zaj, amely versenyez a súlyokért a jelenlegi piaccal – López de Prado (2018) a nem-stacioner rezsimet azonosítja a pénzügyi ML elsődleges meghibásodási módjaként.
Érzékenység: egy 2003–2022-es adatokon betanított pilóta validációs vesztesége 10–12%-kal rosszabb volt, mint a 2010 utáni futtatásé.
Élő teljesítmény
Minden előrejelzésECHO amit tesz, naplózásra kerül és időben kiértékelésre kerül. Ezek a számok csak a lezárt ügyleteket tartalmazzák, és folyamatosan frissülnek.
A múltbeli teljesítmény nem garantál jövőbeli eredményeket. Az előre-teszt eredményei 1:3 kockázat/nyereség arányú szimulációt tükröznek; az élő eredmények eltérhetnek a csúszás, a spread és a likviditás miatt.
Őszinte korlátok
Bull-rezsim kitettségi teszt
A 15 hetes mintán kívüli ablak egy bikapiaci időszak volt. A modell teljesítménye medve rezsimekben (2022 Q4 stílus) nem ellenőrzött, és valószínűleg lényegesen alacsonyabb.
Tranzakciós költségek modellezése nélkül
A kiemelt hozamok nem tartalmazzák a körbeforgatási díjakat (~0,05-0,30% ezeknél az instrumentumoknál). A valós hozamok alacsonyabbak lesznek; a kiemelt számok felső határok.
Azonos szimbólumon tanítás/tesztelés
A modellt ugyanazon szimbólum-egyetemen tanították és tesztelték (időbeli szétválasztás). Az időbeli általánosítást validáljuk, nem az univerzum általánosítást ismeretlen tickerekre.
Miben vagyunk biztosak
Az irányított készség a véletlennél nagyobb (szimmetrikus 1:1 nyereség/veszteség arány: 51.5%) és reprodukálható tanítás: háromszor vagy többször újratanítottuk a nulláról, azonos hiperparaméterekkel, ±1% validációs veszteségen belül.
Olvasd el a teljes tanulmányt
Publikáció-mélységű technikai jelentés: adattisztítás, architektúra mélyelemzés, képzési dinamika, korlát-szimulációs módszertan, teljes ablakos eredmények, érzékenységvizsgálatok és őszinte korlátozások megbeszélése. ~7000 szó.
Összehasonlítás az Öt között
Minden modell a Zirdle Ötben más-más kereskedési rendszert kezel. Térjen vissza az áttekintőhöz, hogy lássa, hogyan teljesítenek a nyerési arány, univerzum méret és mintán kívüli hozamok tekintetében.