틱레벨 s&p 500 거래랑 lvl 1 호가 데이터만 가져와도 컴퓨팅 감당 안됨
좀 쳐내도 분별이나 일별 데이터에 노이즈가 너무 많아서 쉽지 않고
금융저널에서 내는 주식시장 관련 ml/dl 페이퍼는 데이터도 그렇고 포맷이 oos accuracy가 중요한 ml 연구랑 결이 너무 달라 부실할 수밖에 없음
+ 미국인들은 세금 때문에 주식 사팔 안함
틱레벨 s&p 500 거래랑 lvl 1 호가 데이터만 가져와도 컴퓨팅 감당 안됨
좀 쳐내도 분별이나 일별 데이터에 노이즈가 너무 많아서 쉽지 않고
금융저널에서 내는 주식시장 관련 ml/dl 페이퍼는 데이터도 그렇고 포맷이 oos accuracy가 중요한 ml 연구랑 결이 너무 달라 부실할 수밖에 없음
+ 미국인들은 세금 때문에 주식 사팔 안함
ㅇㄱㅈㅉㅇㅇ?
high noise to signal ratio이 예측 어렵게 만드는게 맞지 ㅋㅋㅋ 근데 hft하는 애들 말거는 금융모델 하는애들은 최저 일봉쓰고 주봉 월봉도 많이씀 이러면 어느정도 대략적인 추세가 나오긴하니께. 근데 누가 사팔하냐 보통 리밸런싱 주기에 맞춰서하지 - dc App
밑에 글은 그거 하고 싶다잖아
price 그 자체를 맞추는 건 이쪽 전혀모르는 엔니지어 개발자들이 하는거고. return으로 치환해서 non-Gaussian하게 하거나 rank pred로 풀거나 portfolio opt로 푸는 등 목적식을 바꿔야함 - dc App
인과를 추론할 수 없어서 ml안쓴다는 건 10년전 마인드아니냐 근데? 기초적인 xAI 방법론만 적용해도 썰 풀게 많고 요즘은 애초에 interpretable한 모형도 많이 나왔는데ㅋㅋ - dc App
그럼 xai 써서 파이낸스 탑저널 가봐
파이낸스저널 기술력 보면 한숨나오는데 거길 왜씀?ㅋㅋㅋ 열심히 파이낸스저널 봐라 - dc App
애초에 주가는 거의 랜덤워크에 non-stationary 아님? ml로 설령 정확도가 좋게나오더라도 아무 의미없는거같은데
모델 베이스 접근으론 그렇진 않고 ml은 causal relationship이 안나와서 별로 선호하지 않음
애초에 미래예시는 과거상 관찰자가 존재하면 안돼는 구조라서 예측모델자체가 주식예측을 힘들게 만드는원인아닌가