No he investigado adecuadamente sobre las soluciones existentes para predecir el comercio intradía. Además, no he visto ninguna información pública que afirme altos niveles de precisión de predicción. Por lo tanto, intentaré responder a su pregunta de una manera bastante superficial. Puede consultar las publicaciones de quora en: ¿Qué algoritmos pueden predecir el precio de las acciones? para más detalles.
¿Cómo construir un modelo para tales aplicaciones? Puede haber algunos trabajos / documentos existentes sobre esto que podrían describir una buena solución de trabajo, pero aquí describo el enfoque con el que podría comenzar.
Podemos considerar las aplicaciones comerciales en tiempo real, como las predicciones del precio de las acciones, como un problema de predicción de series temporales.
- ¿El papel de un gerente de producto en una empresa de TI es reemplazable por IA o algo similar en el futuro previsible?
- ¿Cómo podría ayudar la computación cuántica a simular inteligencia (humana o máquina)?
- ¿Leer e interpretar los contenidos del cerebro humano es potencialmente un problema de NP?
- ¿Qué debería aprender a continuación si me gustan las estructuras de datos y los algoritmos?
- ¿Construiría un sistema multi-GPU para el aprendizaje profundo con GTX Titan X o Tesla K40 / K80? ¿Cuáles son los pros y los contras?
Selección de características: es esencial utilizar el tipo correcto de características / datos que pueden incluir: los valores de serie temporal de la acción que estamos prediciendo, el valor inicial del índice (como Sensex, Nifty en India) dentro del país, así como global tendencias (por ejemplo, acciones asiáticas, precios / índices de Wall Street) y los datos que caracterizan el contexto pasado inmediato (como los datos de los últimos 5 días). Los aspectos clave de estas características son: (a) Constituyen una serie temporal (b) Se incluye un contexto inmediato adecuado.
Modelo: La arquitectura que podría ser más adecuada son las redes neuronales recurrentes con celdas LSTM. Puede ser necesario encadenar múltiples redes de este tipo para capturar el contexto del pasado inmediato y también procesar los datos de la serie de tiempo intradía. Hay que probar una serie de variantes de este enfoque básico para obtener un rendimiento razonable.
Si nuestro objetivo es predecir el precio de las acciones como un escalar valorado real, podemos usar el RNN con una capa de salida de regresión. Sin embargo, uno puede reformular el problema de diferentes maneras que pueden ser más fáciles de manejar. Por ejemplo, podemos considerar el problema como una predicción de la decisión de compra / venta.
