Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 144

Neuer Kommentar
 

Ich habe über alternative Wege der Preiseinspeisung ins Netz nachgedacht, und mir ist aufgefallen, dass fast alle erfolgreichen Trader Niveaus handeln, die nicht nur die Reihe der jüngsten Preiswerte berücksichtigen, sondern auch den Teil des Charts, der in der Vergangenheit zu den gleichen Preisen lag.

Unter

Wenn man darüber nachdenkt, tauchen eine Menge Probleme auf, ich frage mich, wer etwas Ähnliches gemacht hat, ich würde gerne darüber diskutieren...

Ich habe diesen Ansatz erst einmal auf Eis gelegt, aber ich finde ihn vielversprechend...

Ich habe meine Aufmerksamkeit auf einfachere Dinge verlagert, ich dachte, ich könnte versuchen, vergangene Preise auf eine andere Art und Weise zu berücksichtigen, wenn auch nicht vollständig, und Preisinformationen zu komprimieren, ich spreche von Preisprofilen (oder Volumenprofilen), man kann wirklich über mehrere hundert Balken in einem Histogramm nachdenken, die wir viele vergangene Preise berücksichtigen und sie gleichzeitig komprimieren... Ich bin ein Anfänger Programmierer und ich kann nicht realisieren Profil noch, das ist, warum ich einen einfachen Weg, nahm nur die Verteilung und baute es auf Preis Abschnitt, was ist nicht ein Marktprofil? ;)

PRICE <- cumsum(rnorm(300))+1000
layout(1:2)
plot(PRICE,t="l",ylab = "цена" , xlab = "индексы",lwd=2)
Max <- max(PRICE)
Min <- min(PRICE)
range.vector <- seq(Min, Max, length.out=50)
H <- hist(PRICE, breaks = range.vector,
          xlab = "все цены которые есть в етом участке", 
          ylab = "сколько раз график был на одной и той же цене",col = 5)

von

Es besteht eine gewisse Hoffnung, dass das Netzwerk diese Verteilung (Profil) besser versteht als den Rohpreis, denn dieses Profil kann sagen, dass es alle Trades berücksichtigt, die passiert sind, indem es die Anzahl der Male berechnet, die der Chart einen Preis trifft, und die Trades sind theoretisch gleich... Wir müssen prüfen ... Es ist geschafft :) Dank anD.trader für seine Hilfe bei der Analyse der Verteilung

Ich habe einen Ausschnitt von 200 Preiswerten im gleitenden Fenster genommen, ihn skaliert, zentriert, dann verteilt und an den RF

Ausgänge

H$Brüche

H$zählt

und die letzten 5 Werte aus dem Schnitt, aus dem ich die Verteilung erstellt habe, so dass sich der Algorithmus am letzten Wert im Verhältnis zu den Werten aus H$breaks und H$countsorientieren kann, da alle Preise bereits anteilig berücksichtigt wurden

5-Minuten-Chart, Ziel wie immer, Umkehrungen

Das Ergebnis ist nicht so gut... Manchmal weiß das Netz nicht, was es tun soll...

Unter

manchmal geht es schön rein, die Qualität der Beiträge ist super

aa

Und das Interessante ist, dass die neuen Daten nicht aufdringlich verkauft werden

vvvv


Ich habe nichts angepasst, ich habe einfach das Modell trainiert und das Ergebnis überprüft.

Wenn Sie Interesse haben, können Sie versuchen, mit Ihren Zielpersonen zu trainieren, vielleicht bekommen Sie ja etwas Nützliches zusammen...

Danke für den Tipp ;)

 
Bei diesem Ansatz gibt es viele Probleme, die entweder unlösbar oder lösbar sind, aber keinen guten Lernerfolg bringen.

Zumindest die Nicht-Stationarität der Rohquotientenverteilung.
 
Alexey Burnakov:
Bei diesem Ansatz gibt es viele Probleme, die entweder unlösbar oder lösbar sind, aber keine guten Lernergebnisse liefern.

Zumindest die Nicht-Stationarität der rohen Kotierverteilung.
Nun, um das Marktprofil nicht zu programmieren, habe ich es einfach durch eine Verteilung ersetzt, d.h. die Normalverteilung und ihre Eigenschaften werden hier nicht berücksichtigt oder verstehe ich den Kommentar nicht? :)
 
mytarmailS:
Nun, ich habe gerade das Marktprofil durch eine Verteilung ersetzt, deshalb werden die Normalverteilung und ihre Eigenschaften hier nicht berücksichtigt, oder verstehe ich den Kommentar nicht? :)
Nein, das hast du nicht.

Wir sollten nicht 960, 970, ... machen.
Aber bringen Sie es in eine stationäre Form, indem Sie zum Beispiel die Differenz zum letzten Preis zählen. Es wäre -10, -5, 0, 5, ... 50. Andernfalls haben Sie einen Durchschnitt in einem Segment und einen völlig anderen in einem anderen. 900 auf der einen, 600 auf der anderen Seite. Außerhalb der Stichprobe wird nichts funktionieren.
 
Alexey Burnakov:
Nicht verstanden.

Es ist nicht 960, 970, ...

960, 970, ... -- Wenn ich die Preise als -2 bis 2 markiert hätte, wäre es nicht sehr klar.

 
mytarmailS:

960, 970, ... -- Wenn ich die Preise in dem Beispiel auf dem Bild als -2 bis 2 dargestellt hätte, wäre es nicht ganz klar gewesen.

Aber wenn es keinen Bezug zum letzten Preis gibt, dann versteht die Maschine nicht, wo Ihr Durchschnitt liegt. Wenn Sie alle Preise vom letzten Preis abziehen, ist der Durchschnitt gleich Null, und die Position dieses Durchschnitts im Verhältnis zum Preis ist festgelegt.
 
Alexey Burnakov:
OK, aber wenn es keinen Hinweis auf den letzten Preis gibt, ist es für die Maschine nicht klar, wo Ihr Durchschnitt liegt. Wenn alle Preise vom letzten Preis abgezogen werden, ist der Durchschnitt gleich Null, und die Position dieses Durchschnitts ist in Bezug auf den Preis festgelegt.
Es gibt einen Link:)

In meinem Beitrag fett blau hervorgehoben

 
mytarmailS:
Es gibt eine Bindung:)

In meinem Beitrag fett blau hervorgehoben

Nun, das ist großartig. Die Idee ist im Allgemeinen interessant!

Es gibt jedoch nicht genügend dynamische Informationen, um die Lernkurve zu vervollständigen. Die Maschine versteht nicht, was vor und was nach dieser Zuteilung geschah. Wir müssen mehr Inputs hinzufügen.
 
Alexey Burnakov:
Sehr gut. Generell eine interessante Idee!

Es gibt jedoch nicht genügend dynamische Informationen, um die Lernkurve zu vervollständigen. Die Maschine versteht nicht, was vor und was nach dieser Zuteilung geschah. Wir müssen mehr Inputs hinzufügen.

Wie kann dies gelöst werden? Füttere ich nicht eine Scheibe der Verteilung, sondern eine Reihe von mehreren Scheiben auf einmal?

Ich habe RF-Modell, dass auf dem Bild mit den Parametern ntree = 20 , mtry = 5 .

Wenn ich ntree =100 setze, macht das Modell keinen einzigen Deal mit den neuen Daten, also trainiert es neu

=============================================

Ich muss herausfinden, wie ich das Problem lösen kann, dass das Netz die vergangenen Diagramme zu denselben Preisen sehen kann.

DAS ist es, was das Netz jetzt sieht

dd

Der blaue Bereich ist das, was das Netz sieht, die blauen Balken stellen die Preisverteilung in diesem Bereich dar, und obwohl das Netz viele, 200 Candlesticks sieht, sieht es nicht die Hauptsache , die Charts, die früher zu den gleichen Preisen waren

L

Meines Erachtens sind dies die wichtigsten Informationen

Und das Netz weiß nichts davon

 
mytarmailS:


Wir müssen noch herausfinden, wie wir das Problem lösen können, dass das Netzwerk Karten sieht, die in der Vergangenheit zu den gleichen Preisen angeboten wurden.


Dies ist ein großes Problem. Es ist fast unmöglich, dieses Problem zu lösen, ohne das Lernen zu beeinträchtigen.

Je weiter man in die Vergangenheit blickt, desto abhängiger sind die benachbarten Beobachtungen.

Wenn Sie die Maschine mit nicht spezifizierten Beobachtungen füttern, verlieren Sie das Wichtigste - die Forderung nach Unabhängigkeit der Beobachtungen. Danach wird das Lernen drastisch unzureichend sein. Und die Statistik funktioniert nicht.

Um dies zu vermeiden, müssen Sie die Beobachtungen so ausdünnen, dass die Verzögerung der maximalen Rückschau kleiner oder gleich dem Schritt der Ausdünnung der Beobachtungen ist. Und wozu würde das führen? Hundertfache Reduktion des Umfangs der Trainingsstichprobe.

Hier gilt es, einen Kompromiss zu finden. Tiefe des Blicks im Vergleich zur Anzahl der Beispiele in der Stichprobe.
1...137138139140141142143144145146147148149150151...3399
Neuer Kommentar
Grund der Beschwerde: