最近資金に余裕が若干出てきたので、眠らせておくのも何だし少しずつ相場を触りたいと思ったので情報収集しておこうの回
よく見かける、公開されたのがいつだったかはちょっと覚えてないけど、そんなに日は経ってない印象。なのでこれらデータから取得できるものに優位性あるかも?
MLよりDL?
いろいろと考えた結果、筆者はこれまでの経験と勘所に頼ったファイナンスMLのスタイルを捨てることに決めたのです。そして可能な限り大きな容量のデータを入力とし、マシン自体に特徴量設計させるやり方にシフトしつつあります。
この辺の話とか、
自分最近はDL寄りで研究しているのですが、あの論文読むとなんかそっちに浮気したくなってきましたね…
— UKI (@blog_uki) August 20, 2023
この辺の話とかの感じ的にそうなのかなという。
とはいえ新規参入者がいきなりそんな規模で回すのは無理っす
ABCD Forecast
これも最近話題。
ABCD-Forecast:機密金融時系列予測のためのデータ拡張バギング手法
なんとなく何してるかぐらいはわかったのだけど、目的変数の変換方法gの記載はあるけど、特徴量の変換方法fは金融的・機械学習的に意味のある変換ということで、論文にも記載ないしなんかここにエッジありそうだなって思った。
ABCD Forecastについてオンラインセミナーがあるらしいので聞きに行く。f教えてくれ
投資は情報戦
今一度言うが「投資は情報戦」であり、皆の知っている情報に価値などない。このことを理解しておかなければ、シストレで勝てる日が来ないのは至極当然のことであろう。
効果の高く半減期の長いグリーンアルファを見つけるためには、チャートの枠組みを超えて現実の様々な事象へ目を向ける必要がある。そろそろ霧に包まれた内海を抜け出して、晴れ渡る大海へと漕ぎ出してみてはどうか。
当たり前といえばそうなのだけど、みんなが見てるような情報を見ても勝てない。
特定の戦術が勝てるとなったとして、それが周知された場合、当然模倣されるようになる。模倣されると利益は分散されるし勝てる人勝てない人が出てくる。その差は大抵の場合は速度差になる
速度で負けるようになると今度はより高度化して、その戦略の存在を前提とした戦略が開発されるなどして、最初の戦略が陳腐化する。陳腐化した場合その戦略を前提とした戦略も陳腐化する。結果として、それぞれの戦略はランダムに勝てたり勝てなかったりするようになる。
みたいな理解をしている、ので情報としてみんながとりあえず折り込むような情報は基本アルファがないと考えたほうが良さそう。
場合によってはより高度だったりより高コストな分析手法を使えば、同じ情報源からアルファを得ることができるかもしれない、それがDLとかになるのかも。なんにせよ素人がやれる領域ではないように感じる
- 市場選択
- 情報の収集
- 情報の分析
この辺の要素に対して、個人がどうやって強豪に優位性を確保できるか?みたいなところを考えるのがいいのかもしれないとか思った。
機械学習で何を予測するのか?
わからん
よく論文とかで見るのは日足ベースで終値から翌終値のプラスマイナス予測だったり変化幅予測だったり
本当に何もわからないので、こういうのは強者に学ぶべきなんだけど、具体的情報はそのままエッジになるので公開されておらずつらい
numeraiをやるのが一番話し早いのでは?とか思ったりした。
方向性大事
アビトラでの教訓として、努力の方向をミスるとクソ大変な割になんの利益も得られないので良くない。アビトラの場合、そもそもなぜ価格の乖離が発生するのかを軸にどのような開発をしていくべきかをまず考えるべきだったと思った
mlの場合は、強豪を避けつつかすかな優位性を探す。みたいなのが大事な気がした。(てかmlじゃなくてもいいんだけど)
暇を見て、色々考えて試したい。