Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 380
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
und die Prognose lautet: "Hurra!"
Übrigens heißt es, dass "JA" eine gute Prognose ist, solange die Volatilität gering ist.
Wie kann ich den Code einsehen?
Kann ich den Code sehen?
Folgen Sie dem Link auf der vorherigen Seite.
Ich kann nichts verstehen.
Es gibt ein Strategie-Chart und ein Buy-and-Hold-Chart. Wo ist dasEURUSD-Diagramm?
Ich kann nichts verstehen.
Es gibt ein Strategie-Chart und ein Buy-and-Hold-Chart. Wo ist dasEURUSD-Diagramm?
Verzeihung, ich bin zum nächsten Beitrag gegangen und habe die folgende Grafik gefunden.
Sehr interessantes Material.
Was fehlt, sind Tests, die die Anwendbarkeit der entsprechenden Funktionen rechtfertigen.
Ich weiß nicht, wie ich es in mql eingeben soll, aber es ist zu kompliziert. Ich habe ein College-Lehrbuch gekauft, es hat einen Garch und ich lese es.)
Das Verteidigungsministerium ist immer ein fertiges, sinnvolles Modell. Manchmal ist sie so bedeutungsvoll, dass man gar nicht weiß, wie sie funktioniert. Hier ist ein Artikel über Gradient Boosting zum Beispielhttps://habrahabr.ru/company/ods/blog/327250/ Es gibt einen Artikel, es gibt Beschreibungen und Formeln, aber ich habe meinen Wunsch, es in mql zu übertragen, nicht verwirklichen können, es ist zu kompliziert.
Das Problem ist etwas anders, nicht in seiner Bedeutung, sondern in seiner engen Spezialisierung.
Arima und Garch arbeiten direkt mit Preisen ohne Indikatoren und TA. Sie verfügen über einen eingebauten Algorithmus zur Umwandlung einer Preisreihe in einen stationären Vektor, und es gibt sogar Feinheiten wie die Korrektur von Vorhersagen in Abhängigkeit von früheren Fehlern (MA-Komponente). Gleichzeitig sind sie aber für andere (nicht preisbezogene) Daten unbrauchbar, so können diese Modelle z. B. keine Bilder klassifizieren.
Wenn wir dem neuronalen Netz eine Zeitreihe von Preisen zum Training übergeben, wird es nicht nach Autokorrelation, saisonalen und Trendkomponenten des Preises suchen - dazu ist das neuronale Netz nicht in der Lage. Es wird sich einfach daran erinnern, was ihm gegeben wurde, und bei neuen Daten im Test oder im realen Handel wird es sich an ähnliche Preisvektoren aus der Vergangenheit "erinnern" und so handeln, wie es vorher war, aber im Forex bedeutet das einen Nachteil.
Neuronka braucht Hilfe bei der Vorhersage des Preises - finden Sie zunächst die Indikatoren, die, wie Arima, Autokorrelation, Trend und Saisonalität erkennen können, und übertragen Sie die Werte dieser Indikatoren an die Neuronka. Dann hat es zumindest eine kleine Chance, mit Arima und Garch vergleichbar zu sein.
Ein weiterer wichtiger Punkt ist, dass arima Vorhersagen auf der Grundlage der Zeit macht. Es merkt sich eindeutig die Reihenfolge, in der die Preise eingetroffen sind, und verwendet für seine Prognosen ein gleitendes Fenster, indem es die letzten Preise nimmt und auf dieser Grundlage Prognosen erstellt. Im Gegensatz zur Neuronik, die mit der gesamten Trainingstabelle auf einmal arbeitet, ohne zu wissen, in welcher Reihenfolge die Preise angekommen sind.
Das Verteidigungsministerium ist immer ein fertiges, sinnvolles Modell. Manchmal ist sie so bedeutungsvoll, dass man gar nicht weiß, wie sie funktioniert. Hier ist ein Artikel über Gradient Boosting zum Beispielhttps://habrahabr.ru/company/ods/blog/327250/ Es gibt einen Artikel, es gibt Beschreibungen und Formeln, aber meinen Wunsch, es in mql zu übertragen, konnte ich nicht realisieren, es ist zu kompliziert.
Das ist ein bisschen was anderes, nicht vom Sinn her, aber von der engen Spezialisierung her.
Arima, Garch - arbeiten direkt mit Preisen, ohne Indikatoren und TA. Zu diesem Zweck verfügen sie über einen eingebauten Algorithmus zur Umwandlung einer Preisreihe in einen stationären Vektor, und es gibt sogar Feinheiten wie die Korrektur von Vorhersagen in Abhängigkeit von früheren Fehlern (MA-Komponente). Gleichzeitig sind sie aber für andere (nicht preisbezogene) Daten unbrauchbar, so können diese Modelle z. B. keine Bilder klassifizieren.
Wenn wir dem neuronalen Netz eine Zeitreihe von Preisen zum Training übergeben, wird es nicht nach Autokorrelation, saisonalen und Trendkomponenten des Preises suchen - dazu ist das neuronale Netz nicht in der Lage. Es wird sich einfach daran erinnern, was ihm gegeben wurde, und bei neuen Daten im Test oder im realen Handel wird es sich an ähnliche Preisvektoren aus der Vergangenheit "erinnern" und so handeln, wie es vorher war, aber im Forex bedeutet das einen Nachteil.
Neuronka braucht Hilfe bei der Vorhersage des Preises - finden Sie zunächst die Indikatoren, die, wie Arima, Autokorrelation, Trend und Saisonalität erkennen können, und übertragen Sie die Werte dieser Indikatoren an die Neuronka. Dann hat es zumindest eine kleine Chance, mit Arima und Garch vergleichbar zu sein.
Ein weiterer wichtiger Punkt ist, dass arima Vorhersagen auf der Grundlage der Zeit macht. Es merkt sich eindeutig die Reihenfolge, in der die Preise eingetroffen sind, und verwendet für seine Prognosen ein gleitendes Fenster, indem es die letzten Preise nimmt und auf dieser Grundlage Prognosen erstellt. Im Gegensatz zu Neuronics, das mit der gesamten Ausbildungstabelle auf einmal arbeitet und keine Ahnung hat, in welcher Reihenfolge die Preise angekommen sind.
MO ist kein fertiges sinnvolles Modell, es ist ein Prozess :) und Garch ist ein Modell. Wie kann man das überhaupt vergleichen :)
Ich bin mir über alles im Klaren, was vor sich geht, und ich habe die Garch schon einigermaßen durchschaut, bevor ich überhaupt wusste, dass sie existiert. Und was Neuronics macht. Ich baue mein nachdenkliches Modell schon seit langem :) wie lange, etwa 2 Wochen. All diese Artikel sind übrigens größtenteils Unsinn... für die Allgemeinbildung ist es aber interessant zu lesen.
Und übrigens, die Komplexität des Systems auf dem Devisenmarkt charakterisiert seine Wirksamkeit überhaupt nicht...Wie kann man das überhaupt vergleichen :)
MO umfasst immer irgendeine Art von Modell, und fast immer wird ein bewährtes Modell verwendet. In die Entwicklung von Neuronics oder Gradient Boosting beispielsweise wurde so viel Mühe und Zeit investiert (jahrzehntelange Entwicklung von Algorithmen), dass sie sogar aussagekräftiger sein können als Arima.
MO beinhaltet immer irgendeine Art von Modell, und fast immer wird ein funktionierendes, erprobtes Modell verwendet. In die Entwicklung von Neuronics oder Gradient Boosting beispielsweise wurde so viel Mühe und Zeit investiert (jahrzehntelange Entwicklung von Algorithmen), dass sie sogar aussagekräftiger sein können als Arima.
Um welches Modell handelt es sich - Regression oder Klassifizierung :) Das ist alles, was die Neuronik kann
Das Verteidigungsministerium ist immer ein fertiges, sinnvolles Modell. Manchmal ist sie so bedeutungsvoll, dass man gar nicht weiß, wie sie funktioniert. Hier ist ein Artikel über Gradient Boosting zum Beispielhttps://habrahabr.ru/company/ods/blog/327250/ Es gibt einen Artikel, es gibt Beschreibungen und Formeln, aber meinen Wunsch, es in mql zu übertragen, konnte ich nicht realisieren, es ist zu kompliziert.
Das ist ein bisschen was anderes, nicht vom Sinn her, sondern von der engen Spezialisierung her.
Arima, Garch - arbeiten direkt mit Preisen, ohne Indikatoren und TA. Zu diesem Zweck verfügen sie über einen eingebauten Algorithmus zur Umwandlung einer Preisreihe in einen stationären Vektor, und es gibt sogar Feinheiten wie die Korrektur von Vorhersagen in Abhängigkeit von früheren Fehlern (MA-Komponente). Gleichzeitig sind sie aber für andere (nicht preisbezogene) Daten unbrauchbar, so können diese Modelle z. B. keine Bilder klassifizieren.
Wenn wir dem neuronalen Netz eine Zeitreihe von Preisen zum Training übergeben, wird es nicht nach Autokorrelation, saisonalen und Trendkomponenten des Preises suchen - dazu ist das neuronale Netz nicht in der Lage. Es wird sich einfach daran erinnern, was ihm gegeben wurde, und bei neuen Daten im Test oder im realen Handel wird es sich an ähnliche Preisvektoren aus der Vergangenheit "erinnern" und so handeln, wie es vorher war, aber im Forex bedeutet das einen Nachteil.
Neuronka braucht Hilfe bei der Vorhersage des Preises - finden Sie zunächst die Indikatoren, die, wie Arima, Autokorrelation, Trend und Saisonalität erkennen können, und übertragen Sie die Werte dieser Indikatoren an die Neuronka. Dann hat es zumindest eine kleine Chance, mit Arima und Garch vergleichbar zu sein.
Ein weiterer wichtiger Punkt ist, dass arima Vorhersagen auf der Grundlage der Zeit macht. Es merkt sich eindeutig die Reihenfolge, in der die Preise eingetroffen sind, und verwendet für seine Prognosen ein gleitendes Fenster, indem es die letzten paar Preise nimmt und darauf basierend Prognosen erstellt. Anders als Neuronics, das mit der gesamten Trainingstabelle auf einmal arbeitet und keine Ahnung hat, in welcher Reihenfolge die Preise angekommen sind.
+++