Algoritmo para los artículos del ranking

Question

Tengo una lista de 6500 artículos en los que me gustaría intercambiar o invertir (no por dinero real, sino por cierto juego). Cada artículo tiene 5 números que se usarán para clasificarlo entre los demás.

Cantidad total del artículo negociado por día: Cuanto mayor sea este número, mejor.

The Donchian Canal del artículo en los últimos 5 días: Cuanto mayor sea este número, mejor.

La mediana de la difusión del precio: Cuanto menor sea este número, mejor.

La propagación de la media móvil de 20 días para el artículo: Cuanto menor sea este número, mejor.

La propagación de la media móvil de 5 días para el artículo: Cuanto mayor sea este número, mejor.

Todos los 5 números tienen el mismo 'peso', o en otras palabras, todos deben afectar el número final en el con el mismo valor o valor.

Por el momento, simplemente multiplico los 5 números para cada artículo, pero no clasifica los artículos de la forma en que los clasificaría. Solo quiero combinar los 5 números en un número ponderado que puedo usar para clasificar los 6500 ítems, pero no estoy seguro de cómo hacerlo correctamente o matemáticamente.

Nota: La cantidad total del artículo comercializado por día y el canal donchian son números que son mucho más altos que los spreads, que son más de números de tipo porcentual. Esta es probablemente la razón por la cual multiplicarlos a todos juntos no funcionó para mí; la cantidad intercambiada por día y el canal donchian tenían un papel mucho más importante en el número final.

Answer 1

Normalmente normalizará sus entradas de datos a sus respectivos rangos. Como no hay un rango fijo para ellos, tendrás que usar un rango deslizante o, para hacerlo más simple, normalizarlos a los rangos diarios.

Para cada día, obtenga todas las entradas para un tipo determinado, obtenga el más alto y el más bajo de ellos, determine la diferencia entre ellos. Let Bottom = valor de la más baja, Range = diferencia entre la más alta y la más baja. Luego, calcula para cada entrada (valor - Inferior)/Rango, lo que dará como resultado algo entre 0.0 y 1.0. Estos son los números con los que puede continuar trabajando, entonces.

Pseudocódigo (soportes reemplazados por el sangrado para hacer más fácil de leer):

double maxvalues[5]; 
double minvalues[5]; 
// init arrays with any item 
for(i=0; i<5; i++) 
    maxvalues[i] = items[0][i]; 
    minvalues[i] = items[0][i]; 
// find minimum and maximum values 
foreach (items as item) 
    for(i=0; i<5; i++) 
     if (minvalues[i] > item[i]) 
      minvalues[i] = item[i]; 
     if (maxvalues[i] < item[i]) 
      maxvalues[i] = item[i]; 

// now scale them - in this case, to the range of 0 to 1. 
double scaledItems[sizeof(items)][5]; 
double t; 
foreach(i=0; i<5; i++) 
    double delta = maxvalues[i] - minvalues[i]; 
    foreach(j=sizeof(items)-1; j>=0; --j) 
     scaledItems[j][i] = (items[j][i] - minvalues[i])/delta; 
     // linear normalization 

algo por el estilo. Seré más elegante con una buena biblioteca (STL, boost, lo que sea que tengas en la plataforma de implementación), y la normalización debería estar en una función separada, para que puedas reemplazarla con otras variaciones como log() a medida que surja la necesidad .

Answer 2

Comience cada artículo con un puntaje de 0. Para cada uno de los 5 números, ordene la lista por ese número y agregue el puntaje de cada artículo en esa clasificación a su puntaje. Luego, solo ordena los artículos por el puntaje combinado.

Answer 3

Puede sustituir cada atributo en vectores x (de longitud N = 6500) por el puntuación z del vector Z(x), donde

Z(x) = (x - mean(x))/sd(x). 

Esto transformarlos en el mismo "escala", y luego puede sumar los puntajes Z (con pesos iguales) para obtener un puntaje final y clasificar los artículos N=6500 por este puntaje total. Si puede encontrar en su problema algún otro vector de atributo que sería un indicador de "bondad" (digamos el retorno de 10 días de la seguridad?), Entonces podría ajustarse un modelo de regresión de este atributo predicho contra estos z-score variables, para descubrir los mejores pesos no uniformes.

Answer 4

La razón por la que las personas tienen problemas para responder esta pregunta es porque no tenemos forma de comparar dos "atributos" diferentes. Si hubiera solo dos atributos, por ejemplo, la cantidad negociada y la diferencia de precio medio, ¿(20 millones, 50%) sería peor o mejor que (100,1%)? Solo tú puedes decidir esto.

Convertir todo en números del mismo tamaño podría ayudar, esto es lo que se conoce como "normalización". Una buena forma de hacerlo es el z-score que Prasad menciona. Este es un concepto estadístico que analiza cómo varía la cantidad. Debe hacer algunas suposiciones sobre las distribuciones estadísticas de sus números para usar esto.

Las cosas como los diferenciales son probablemente normally distributed - shaped like a normal distribution. Para estos, como dice Prasad, toma z(spread) = (spread-mean(spreads))/standardDeviation(spreads).

Cosas como la cantidad negociada podría ser un Power law distribution. Para estos, es posible que desee tomar el log() antes de calcular la media y la sd. Esa es la puntuación z es z(qty) = (log(qty)-mean(log(quantities)))/sd(log(quantities)).

Luego solo suma el puntaje z para cada atributo.

Para hacer esto para cada atributo, necesitará tener una idea de su distribución. Se podría adivinar, pero la mejor manera es trazar un gráfico y echar un vistazo. También es posible que desee trazar gráficos en escalas de registro. Ver wikipedia for a long list.

Answer 5

Cantidad total del artículo negociado por día: Cuanto mayor sea este número, mejor. (a)

El canal Donchian del artículo en los últimos 5 días: cuanto mayor sea este número, mejor. (b)

La propagación mediana del precio: cuanto menor sea este número, mejor. (c)

La propagación de la media móvil de 20 días para el artículo: cuanto menor sea este número, mejor. (d)

La propagación de la media móvil de 5 días para el elemento: cuanto mayor sea este número, mejor. (E)

a + b -c -d + e = "puntuación" (= mayor puntuación mejor puntuación)