Saya harus segera mengatakan bahwa menyebut diri saya seorang programmer atau ahli dalam pembelajaran mesin ternyata tidak menjadi bahasa saya, katakan saja - saya memprogram lebih baik dari 90% pedagang dan memahami perdagangan lebih baik dari 99% programmer dan ilmuwan data. Ini bukan untuk mengatakan bahwa saya adalah orang yang baik, tetapi lebih pada pertanyaan tentang lubang kesalahpahaman apa yang ada di antara bidang-bidang pengetahuan, yang akan saya coba hilangkan sedikit.
Saya memiliki blog di situs pedagang, di mana saya menjelaskan pendekatan saya untuk mengacaukan ML untuk berdagang. Terlepas dari kenyataan bahwa saya sendiri sangat pemula di bidang ML, terus terang, saya tidak sering melihat ulasan yang relevan, karena 90% pedagang yang berlatih hanya mendengar tentang jaringan saraf dan memiliki gagasan sebagai kuda poni merah muda . Demikian pula, ketika saya melihat beberapa ahli matematika atau programmer murni mencoba menerapkan pengetahuannya dalam kaitannya dengan pasar saham, saya sering mulai berdarah dari mata saya.
2 , , , . . , : " - ". ( , , , ). , . , , IT ("?! !"), ML . , , , , - . . ML ? , , , , , . . (!), , , , .
? , - , - 10 ( - , , ), , , , . . ? " , , , ". , . , , , . . ? , . , - ?! - , , - - .....? , - " " , .
" ". . , 50% . 50/50. , , .
? , 5 . , - 5 . . - 5 , 5 ? . , , . +3%. ? , , , . . - 10, 15, 5. 15. .
. , " " , . - , . , - " , , ". , , . , " " : " ". "": "?! ?! ?! ?! ?!... ?! ?!". ( ), , , , - 1 + 1 = 2, , . , . . , , , , 50/50. ? - " ". 50/50, 2 2 , 100% . . "" . , , . . 10% 20% , +10% ? , ? . ? return , ? . , . , , , , , , . 2008 . , . 2009 , , . ? , , . ? , . ( ), . , . , , , . . . . ? , , . . , , .
datascientist ? , - , , , ( ), . "... !". . , ! , , " , !". ? , , ?! . . , , . - - , , , " ". . , , . - , . . , , , , , , . ( ). , - . , , . , .
10 , , , - , . , 20 150 0,5%, - ( ). 150*0,5, , , 0,15% , 50% . 150 30 , 150*(0,5-0,15) 30*(0,5-0,15), , - 30*(0,25-0,15) . datascientists . "" , datascientist , , , /. . datascientist , - , , - , , , , . , . , .
, ML, !
ML:
. datascients . , datascientes , . ? , . , 50/50. .
. 80% , , , , , - . ? - 250 . " ? ... ?!". , , , . , , , . , 255. Datascient 1. , 0. , , , . , 80% "", , , . feature engineering.
, , . 2 , , . - , , - " ". , sec.gov, 10-, , 10 , XBRL. financials.morningstar.com, 10. selenium.webdriver .
. " - " , , " " . , , D/E (Debt to Equity) , , , ROE (Return On Equity) - . . , . , . T T+1, . - , . , ? , , ? - , , / .
, , S&P500, . c profitabililty, growth, cashflow, financial health. : Cash Conversion Cycle, Inventory, NetMargin%. Accounts Payable - . , , , , , , . Accounts Payable - . ? . . - Inventory. , , 3 , 20% .
Dalam lampiran bursa saham Amerika, saya mencoba menemukan sesuatu yang menarik dalam analisis sentimen dalam laporan 10 - K, 10 - Q, menilai kegunaan pola, ada sesuatu yang menarik. Dan fundamental ekonomi makro . Indikator CLI sepertinya menarik, masalah teknisnya adalah ketersediaannya.
Saya harap seseorang belajar sesuatu yang berguna dari teks ini.