Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 539
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
Ohne den Code kann ich nichts verstehen.
Ich sollte einen einfachen Expert Advisor mit einem minimalen Satz von Funktionen zu machen, nur lesen die Werte des Indikators und schreiben sie in das Protokoll (oder besser - in csv-Datei, für einen besseren Vergleich später). In diesem Fall sind die Ergebnisse anders, und der Code sollte zusammen mit dem Code des Expert Advisors an den Service Desk gesendet werden.
Sie können den Code auch dort anhängen -https://www.mql5.com/ru/forum/1111/page2096 - sachkundige Leute werden ihn überprüfen und bestätigen oder erklären, was falsch ist.
OK, ich werde versuchen, dort Bericht zu erstatten. Ich teste keinen EA in Agent, sondern einen Indikator, der den Indikator von einem anderen Symbol aufruft. Vielleicht gibt es einen Unterschied... Ich weiß es nicht... die Zeit vergeht, das Problem bleibt :-(
https://geektimes.ru/post/294617/
endlich kommt etwas mit dem adaptiven System heraus, das sich selbst umlernt... es ist eine höllische Zeit, es zu tun, und es ist immer noch ein grober Entwurf, aber es ist schon etwas, und die Aktienkurve ist unbeholfen, aber "ehrlich", d.h. es ist alles eine Vorwärtsbewegung ohne jegliche Anpassung an den Markt :) viele laute Geschäfte, die ich auch loswerden muss
MO ist natürlich sehr anstrengend für das Gehirn
F
d.h. es ist alles eine Vorwärtsbewegung ohne jegliche Anpassung an den Markt :) eine Menge lauter Trades, die ich auch noch loswerden muss
Das ist sehr schwer für das Gehirn
F
Ist es möglich, das Symboldiagramm für denselben Zeitraum anzuzeigen?Es ist im Großen und Ganzen ähnlich, ja ), aber das Modell ist dem Markt in Bezug auf die Rentabilität leicht voraus
und verwendet m15 Zeitrahmen, das ist, warum so viele Trades. Aber es ist noch nicht die endgültige Version, ich habe sie gezupft, weil ich die Nase voll davon habe :)
Das kann ich noch nicht. Ich bin seit einem Jahr mit häuslichen Problemen beschäftigt. Ich habe noch einen Monat vor mir. Dann fange ich an, die Ergebnisse zu veröffentlichen, das Quellmaterial ist fertig.
Mehr als ein Monat ist vergangen. Wir warten auf die GARCH-Bewerbung, mit Bildern...
Es ist mehr als ein Monat vergangen. Ich freue mich auf eine Geschichte über die praktische Anwendung von GARCH, mit Bildern...
Ja, das habe ich.
Ich bin auf eine verständliche Beschreibung eines LSTM-Neurons gestoßen, also habe ich einen kleinen Code geschrieben, um es zu testen. Artikel -http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
Im Code nehme ich 100 Balken von eurusd m5, zähle die Inkremente nach Balken und trainiere das lstm-Neuron, um das nächste Inkrement auf der Grundlage des letzten bekannten Inkrements vorherzusagen.
Das Lernen wurde ohne komplexe analytische Gleichungen durchgeführt, die Gewichte der Neuronen werden durch diskrete lbfgs-Optimierung angepasst, das ist zwar schlechter, aber für einen einfachen Test reicht es aus.
Die Vorhersageschätzung (R2) lag bei etwas mehr als Null, was zwar sehr niedrig ist, aber immer noch besser als eine Zufallsschätzung. Unter Berücksichtigung, dass lstm Neuron nimmt nicht einige Indikatoren oder Array von Inkrementen, sondern nur einen Wert, von dem es den nächsten voraussagt, und es ist für jeden bar wiederholt, und im Allgemeinen ist es sehr einfach - das Ergebnis ist besser als ich erwartet hatte. Aber wenn wir Tausende von Balken nehmen, dann ist der R2-Wert < 0, schade. Und es scheint, dass das Ergebnis eines solchen Modells viel auf Forex auf neue Daten verschlechtert, muss ich einige Fahrräder mit Kreuzvalidierung zu erfinden, wird es keinen Gewinn in einer solchen einfachen Form.
Jetzt muss ich aus diesen Neuronen ein Netzwerk machen, aber das wurde in dem Artikel nicht erwähnt.
Ich bin auf eine verständliche Beschreibung eines LSTM-Neurons gestoßen, also habe ich einen kleinen Code geschrieben, um es zu testen. Artikel -http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
Im Code nehme ich eine 100-Bar eurusd m5, zählen Inkremente von Bars und lehren die lstm Neuron, das nächste Inkrement mit dem letzten bekannten ein vorherzusagen.
Ich habe das Training ohne komplexe analytische Gleichungen gemacht, die Neuronengewichte sind an die diskrete lbfgs-Optimierung angepasst, es ist schlechter, aber für einen einfachen Test wird es reichen.
Die Vorhersageschätzung (R2) lag bei etwas mehr als Null, was zwar sehr niedrig ist, aber immer noch besser als eine Zufallsschätzung. Unter Berücksichtigung, dass lstm Neuron nimmt nicht einige Indikatoren oder Array von Inkrementen, sondern nur einen Wert, von dem es den nächsten voraussagt, und es ist für jeden bar wiederholt, und im Allgemeinen ist es sehr einfach - das Ergebnis ist besser als ich erwartet hatte. Aber wenn wir Tausende von Balken nehmen, dann ist der R2-Wert < 0, schade. Und es scheint, dass das Ergebnis eines solchen Modells viel auf Forex auf neue Daten verschlechtert, muss ich einige Fahrräder mit Kreuzvalidierung zu erfinden, wird es keinen Gewinn in einer solchen einfachen Form.
Jetzt muss ich irgendwie ein Netzwerk aus diesen Neuronen zusammenstellen, aber das wurde in dem Artikel nicht erwähnt.
Das Lstm-Netz sagt die saisonalen Zyklen sogar schlechter voraus als das Arima-Netz, aber es braucht viel länger zum Trainieren... Ich habe den Nutzen dieser Netze noch nicht verstanden :)
Ich habe einen Freund, der immer von ihnen begeistert war, lernte keras, nahm eine einfache Serie bei der Arbeit mit saisonalen Gewinn, trainierte das Netz für fast einen Tag... und schwor auf sie für eine lange Zeit danach.