Předpokládal jsem lineární funkci užitku a hráče indiferentního k riziku. Nakonec – hráč indiferentní k riziku by šel i do hry s očekávanou hodnotou 0. Ale hra mnou prezentovaná má očekávanou kladnou hodnotu, takže by do ní nejspíš šel i hráč s mírným odporem k riziku. Samozřejmě, že by se taky při rozhodování řídil svými finančními možnostmi, a spočítal by si variabilitu, a nešel by do toho, pokud by jeho kapitál nebyl schopen vykrýt odchylku alespoň 2 x sigma, nejlépe 3 x sigma.
Právě z tohoto důvodu je většině obyčejných lidí prakticky odepřena možnost investovat, protože jsou příliš chudí na to, aby se živili analýzou grafů nějakých funkcí a spekulací nad jejich budoucím pohybem. Pokud to už zkusí, tak bez pekelného štěstí projedou všechno. Na druhou stranu, pokud je takový experimentátor alespoň trochu inteligentní, tak svoje šance přece jen může zvýšit pomocí znalostí jenž lze získat. Pokud z grafu vyčte několik rozumných indikátorů naráz, jako je zkřížení klouzavých průměrů a dvojité proražení bariéry, a k tomu je graf už tak velice statisticky vychýlen do extrému vzhledem k minulosti, tak je nejspíše rozumný čas udělat obchod. Samozřejmě musí počkat na takovou situaci, a zkoušet si nanečisto, jak jeho „metoda“ funguje, a doufat, že až se to pokusí provést s reálnými penězi, že jeho zisk bude dostatečný na to, aby s ním mohl rozjet rozumné obchodování.
Osobně zatím studuji základy toho jak takovéto různé finanční instrumenty fungují, snad brzy dokončím obor IT, vylezu ze školy, a pokud si vydělám nějaké peníze navíc, zkusím je investovat. Samozřejmě jenom takové, které si budu moci dovolit postrádat, tj. jejich ztráta neovlivní můj život v negativním smyslu. Jsem docela překvapen, kolik toho existuje, a udivuje mě, že za celý život nám nikde netloukli do hlavy, jak zacházet s penězi, co je to money management atp. Jakoby někdo nechtěl, aby lidé toto znali. Je to konspirace!
Až budu mít více času, tak zkusím naprogramovat bota do Meta Traderu 4, chci tam narvat neuronovou síť, a tu zkusit učit pomocí evolučního algoritmu, sice to je pomalejší, ale neuvázne to snadno v extrémech, a nepotřebuje to učitele, stačí ohodnocení jak dobře si vedla v rámci nějaké simulace, tj. hodnota cenové funkce sítě je např. výsledný zisk, z-score přes nějaký interval atp. Zajímavým zjištěním je, že hodně takto „učené“ neuronovce něco řídící pomůže(vyzkoušeno mám zatím na virtuálním mravenci), pokud je jí na vstupy přivedena historie jejích předchozích rozhodnutí, a (nebo) některé její výstupy jsou přivedeny zpět na vstupy. Evoluční algoritmus si už pro toto najde využití, síť sice přestává být dopředná, ale z hlediska zdrojového kódu se tak tváří. Back propagation zde nepřipadá v úvahu, protože nevíme, jaký má být požadovaný výstup na těch místech výstupní vrstvy, jenž jsou propojeny na vstup, tj. při příštím ohodnocení vnějších vstupních dat budou tyto výstupy přidány ke vstupnímu vektoru sítě. Ale pokud existuje nějaká zákonitost v datech, která jde využít, tak to nejspíš takovýto postup najde a využije.
No a pak ještě zvažuji, že pokud jednotlivé význačné události v grafu třeba forexu označím nějakým symbolem, tak že to vlastně generuje nějaký jazyk který má nějakou gramatiku, a prefixy některých vět indikují, že trh jde dobrým směrem, a je čas investovat. Je otázkou, jestli třeba existuje prefix řetězce, který je vždy přítomen ve všech případech, které kdyby se investovalo by vedly k zisku, tj. všechny věty jazyka generovaných skrytou gramatikou trhu, jenž mají určitý prefix, budou obsaženy jen v takových větách, jenž vedou k profitu. Případně tomu určit nějaké procento úspěšnosti, a podle toho hledat.
