倔强的韭菜:贫道的基于人工智能超短线信号

sharp君

久不发言， 但一直关注，在坛子里获得不少启发，这里算是风气很好的交易讨论社区，所以出来抛砖引玉一下。
交易经验，一直是我思考的问题，长久的交易经验真的是有效的么？我一直是怀疑的。以前研究过不少技术指标， 加上自己三角猫的编程能力， 最后我的结论居然是可以针对任何交易模式去证明它是不可靠或者终将让交易员万劫不复的。很多人认为成熟的心理，严格的执行能力至关重要，但，实际上在无尽的数据，消息面前，人类的大脑终将无法胜任决策任务。

所以道士将目光转到了深度学习上， 最近几年人工智能风生水起，尤其是transformer模型的横空出世，让所有基于CNN网络的学习模型黯然失色，例如GPT3模型已经可以写出以假乱真的机器文章和新闻。传统量化交易模型的人工智能大都基于LSTM，称为长短记忆网路，这些人认为，交易数据是一个时序序列，那么学习足够长的时序对下一个时序的预测就可以得到概率较高的结果。的确如此。但这有不可避免的傲慢假设，那些在你预测条件之外的久远数据对下一分钟难道没有影响么？这在我看来是LSTM的致命伤。

将transformer模型应用到时序分析，这是一个极少有人涉足的领域。字符之间的权重影响关系是全局的，并不因为上一分钟就比三分钟前对当下影响更重要。那些文字里埋下的伏笔，往往最能打动你的心弦。那些庄家背着你暗下的成本和恶意，最能让你看清暧昧能否继续的现实。所以transformer天然适合寻找全部信息里的有用线索。

最近道士之关注到有一两篇论文涉及到用transformer建立交易模型，效果只能略微与LSTM持平。科班出生的人的弱点在于，他们没有艺术能力，不能 对着数据吟诗。也就不能将数据翻译为自然语言，而道士恰恰是那个看着女人无话可说，而看着数据兽性大发的云游诗人。

所以就出了这么一个模型，基于400多对虚拟货币截至今年5月的分钟数据，可以比较准确的预测一分钟内的走势。因为显卡计算量很大，目前只能追踪币安上面交易量比较大的10来个品种。


------------------------------------------------------------------------
尝试能否直接显示信号：
算了，不折腾了，有兴趣私信我。
信号说明:
buy,sel:可能出现小时线上低点和高点
btm,top:可能出现1分钟线上高点和低点

后面跟的数字表示截止未来一分钟结束，信号可能上升或者下降的强度，负号表示下降，正数表示上升

-buy-1: 小时低点但会继续轻微下降；
-buy32:小时低点，未来一分钟大幅中等幅度上升；比较好的买入点
-sel3:小时低点，但仍轻微上升
-sel-25:小时高点，中等幅度下降，好的卖出点

-btm30:分钟线低点，中幅上升，可买入
-btm-7:分钟线低点，仍轻微下降
-top3:分钟线高点，仍轻微上升
-top-35 分钟线高点，中幅下降，可卖出

所有信号有效期只有一分钟

下降或者上升强度理论上最多只有-63到64，大多数时候在0左右，超过30或低于-30算是比较强的信号

frank_1982

100刀
祝你好运

sharp君

frank_1982 发表于 2021-5-21 12:50
100刀
祝你好运

不准笑，主要是考虑有没有道友有现成的python函数copy给我一个就行。专门开发的话那对人家是侮辱

pollozhao

除了“100刀” 其他都没看懂

jetchenjie

股市预测是应用数学的皇冠 祝LZ好运

flyinfree

楼主同学加油啊，如果准备测试，CALL上我，我加一百刀进去，扩大样本

乾坤离析

当年那杯咖啡钱。。

sharp君

还在，还在，坐等变别墅!说起来别墅也不换，非常具有纪念意义的转账。

sharp君

继续探讨一下，因为还没有实现自动化交易，最近手工撸了大概20笔，有4笔出现完全相反的方向。慢慢的琢磨出一些门道。
第一，虚拟货币市场趋同性非常严重，大多数交易对信号都是一致的。我发现，大多数不符合预测的逆向趋势都发生在市场情绪高度统一的情况下。插针之类的行为也往往在此发生。可能是巨量资金为了吃饱韭菜盒子，只选择在大多数韭菜往一个方向跑的时候出手，这样可以手到擒来。
所以基于这一推测，贫道决定采用浑水摸鱼法则。只在市场混乱的时候出手。所以在信号里面加入了一个混乱指数，因为同时跟踪了10多对交易对，每一交易对都有一个下一分钟的上涨和下跌强度预测。所有预测值的标准方差std就可以作为衡量市场混乱程度的指标。方差越小，表示市场情绪一致。方差大表示各交易对正在向各个方向狂奔。道士失败了几笔之后，只选择std>8的情况下出手，似乎找到了筑基有望的感觉。

第二，以上现象很可能不是偶然的，而是交易市场大量算法交易存在的结果。小韭菜有可能通过某种模型总结交易经验，在空隙里生存，但这样的模型很可能不能用于大资金，能够影响市场价格的资金量。

APSTNDP

而道士恰恰是那个看着女人无话可说，而看着数据兽性大发的云游诗人。

APSTNDP

楼主你好像发错版了

这里有个“区块链和数字货币”版

sharp君

APSTNDP 发表于 2021-5-24 12:32
楼主你好像发错版了

这里有个“区块链和数字货币”版

是啊，我想编辑改动好像没法移动到那边去。麻烦班组路过帮我移动一下。

trupang1

我自己感觉，各大平台的短线交易，大部分是机器人刷起来的，各大平台可以诱导上涨还是下跌。除非你能找到平台机器人的套路。这也是为什么各大平台的币价在同一时间不一样。

yelleft

大家看热闹可以，千万别投钱。

donitzheng

所有的信号和图表都是滞后的

sharp君

donitzheng 发表于 2021-5-30 13:12
所有的信号和图表都是滞后的

好图，正是前面提到的经验是否有效的意思。 建立在有限经验上面的操作手法都会有翻车的一天，所以需要有工具全局总结。人工智能就是建立在大数据上面的最好经验总结器，对于最后一段庄家出局的手法，模型都是看在眼里的。

sharp君

donitzheng 发表于 2021-5-30 13:12
所有的信号和图表都是滞后的

关于滞后，从自己训练这些模型的经验上看，根本不存在“预测未来”的可能性。这是一种幻觉，只能够说，模型能够告诉我们下一个时间点，基于给定条件，历史上可能出现的最大概率事件。但完全可能发生另外一件事情。

未来之所以不能预测，是因为给定条件只能够是一些有限的情报，全部真相永远不可能被掌握。

用语言模型预测时序，看久了就更加明白这个道理，价格历史就像一本书，怎么写下去，都是合理的。

jaszhou

这个很有意思。曾经试过网上的一个基于CNN的BTC日线模型，在测试之后发现准确率在五五之数。感觉这个模型不太适合这种应该场景。
好果有共享资料可以分亨一下。我说的那个是python 的notebook, 在github 上有。

sharp君

trupang1 发表于 2021-5-25 11:43
我自己感觉，各大平台的短线交易，大部分是机器人刷起来的，各大平台可以诱导上涨还是下跌。除非你能找到平 ...

的确如此，这个没有仔细研究，好像有很多开源的称为“market maker”的软件，任何人都可以方便的成为所谓的流动性提供者，在市场上撮合交易。他们怎么盈利的我没有搞懂。有可能你注意到的是流动性提供算法对价格的影响。

sharp君

jaszhou 发表于 2021-5-31 08:16
这个很有意思。曾经试过网上的一个基于CNN的BTC日线模型，在测试之后发现准确率在五五之数。感觉这个模型不 ...

LSTM的CNN网络我试过一些，研究不深，但大家都在用我就没甚么兴趣了。
我用的工具是开源的aitextgen
github 地址

让各路小白都可以上手训练超级强大的GPT2模型。（甚至GPT3的开源版本GPT neo，我显存不够，很遗憾没有训练成功）
所以最后的关键变成了，如何将市场数据用某种语言（或者说符号集）来尽量贴近的描述，以便可以用强大的语言模型来学习纯粹，貌似随机的数据。