ECHO
15-хвилинна повернення до середнього на ETFs і волатильних продуктах
Німфа гір, чий голос повертається — ціна вертається до справедливої вартості
Що ECHO робить
ECHO вловлює повернення ринку до справедливої вартості — відлуння. Навчений на 37 інструментах, чутливих до реверсії (широкі ETFs, волатильні продукти, відсоткові ставки, товари) і цілеспрямовано сліпий до трендових індикаторів.
Реверсія до середнього на коротких горизонтах у ринках із діапазонами/волатильністю
Як це працює
ECHO— це факторизований attention-трансформер каналів × часу. Він дивиться на вікно контексту з 160-барною довжиною 12 вхідних каналів та прогнозує повний розподіл наступного 4 барів.
Прямий прохід: вхідні OHLCV + канали індикаторів → патч-ембедовані → чергування шарів просторової/часової уваги → згорнуті в єдине ембедування → MLP-голова передбачає 7 квантильних рівнів на кожен крок горизонту.
Вхідні канали
Кожен бар нормалізовано за z-оцінкою в межах вікна з використанням лише контекстної статистики, тому модель бачить відносні зміни, а не абсолютні ціни.
Вихід
Дані та навчання
Всесвіт
37 символи
mean_revert_universe
Символи — це ліквідні, торговані інструменти, що формують ECHOтренувальної популяції. Кожен цикл прогнозування виконує форвардні тести на тій же всесвіті, тому показники продуктивності не є вибірковими.
Чому таке тренувальне вікно
Ми навмисно виключаємо дані до 2010 року. Додесятичний період (фракції до квітня 2001 р.), дорівняний режим ВЧТ (≤2007) та кредитна криза 2007-2009 рр. відображають ринкову структуру, якої більше не існує. Для параметрів3.3 M спалювання потужності на цьому режимі – це шум, що конкурує за ваги з поточним ринком — Лопес де Прадо (2018) визначає нестаціонарність режиму як основну причину невдач фінансового ML.
Чутливість: пілот, навчений на 2003-2022, мав валідаційну втрату на 10-12% гіршу, ніж запуск з 2010 року.
Торгівля на реальному рахунку
Кожен прогноз, який ECHO робить, реєструється та оцінюється за бар'єрами в реальному часі. Ці цифри відображають лише закриті угоди та постійно оновлюються.
Минулі результати не гарантують майбутніх прибутків. Результати форвардних тестів відображають симуляцію співвідношення R/R 1:3; реальні результати можуть відрізнятися через прослизання, спреди та ліквідність.
Чесні обмеження
Експозиція на тесті в період бичачого ринку
15-тижневе вікно для вибірки поза вибіркою припало на період з переважанням бичачого тренду. Продуктивність моделі в умовах ведмежого ринку (стиль 2022-Q4) не підтверджена і, ймовірно, значно нижча.
Транзакційні витрати не враховано
Номінальна дохідність не містить комісій за повний цикл торгів (≈0.05-0.30% на цих інструментах). Фактична дохідність буде нижчою; номінальні цифри є верхньою межею.
Тренування та тестування на однакових символах
Модель навчали та тестували на однойменному символі (часовий поділ). Ми підтверджуємо часову узагальнюваність, а не узагальнюваність на нові інструменти.
У чому ми впевнені
Спрямована точність вища за випадковий вибір (симетричний коефіцієнт R/R у співвідношенні прибуткових і збиткових угод становить 51.5%) та відтворюване навчання: ми перезапускали тренування з нуля три+ рази зі ідентичними гіперпараметрами, що призводило до відхилення втрати на валідації в межах ±1%.
Ознайомитися з повною статтею
Публікаційно-глибокий технічний звіт: очищення даних, глибоке занурення в архітектуру, динаміка навчання, методологія імітації бар'єрів, результати повного вікна, аналіз чутливості та обговорення чесних обмежень. ~7,000 слів.
Порівняти між п'ятьма
Кожна модель у Zirdle Five розглядає різний торговий режим. Поверніться до огляду, щоб побачити, як вони порівнюються за коефіцієнтом виграшів, обсягом універсуму та позавибірковими прибутками.