Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 744
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
Erinnern Sie sich daran, dass ich gesagt habe, dass ich ein Modell erhalten habe, das vom 31.01.2018 bis zum heutigen Tag zugelegt hat, und so hat sich dieses Modell in diesen zwei Wochen vom 05.03.2018 bis zum heutigen Tag entwickelt. Testergebnis.
Ziemlich gut für eine alte Dame, die auf 40 Punkte trainiert und seit etwa 1,5 Monaten auf OOS ist.
Und das ist ihre vollständige OOS vom 31.01.2018
Und du denkst immer noch, es ist ein fit???? Ich möchte Sie daran erinnern, dass auf den Screenshots der OOS-Bereich zu sehen ist
Obwohl dies Bilder vom Tester sind, habe ich die Überwachung nie gesehen. Aber ich glaube Ihnen. Ich muss zugeben, dass Ihr Ansatz funktioniert. Dafür entschuldige ich mich.
Entschuldigung angenommen!
Ich bin nur ein Praktiker, während die meisten Leute hier Theoretiker und Forscher sind...
Und diese Verbindungen können nicht mathematisch gefunden werden, also muss man dumme Anpassungen vornehmen oder Marktforschung betreiben :)
Dumb Fitting ist auch eine coole Sache, wenn man die Verallgemeinerung nutzt
Max, ich frage mich, was ein neuronales Netz oder ein Zufallsforst macht... Wenn dieses "Muster" dann in der Zukunft auftaucht, wird die Maschine es leicht erkennen. Die Tatsache, dass es sich um eine 50/50-Prognose handelt, gilt für alle Märkte. Hier ein Beispiel für einen Ausbruch aus einem Dreieck, bei dem im klassischen Fall die Gewinne größer sind als die Verluste. Nun multiplizieren wir diesen Fall mit 50/50 und wir haben einen Gewinn. Dies ist die einfachste Variante, wie man mit maschinellem Lernen ein profitables System erstellen kann.
Max, ich frage mich, was ein neuronales Netzwerk oder ein Random Forest macht, ... Wenn dann in Zukunft ein solches "Muster" auftaucht, kann die Maschine es leicht erkennen. Die Tatsache, dass es sich hierbei um eine 50/50-Prognose handelt, gilt für alles auf dem Markt. Hier ein Beispiel für einen Ausbruch aus dem Dreieck, bei dem im klassischen Fall die Gewinne größer sind als die Verluste. Nun multiplizieren wir diesen Fall mit 50/50 und wir haben einen Gewinn. Dies ist die einfachste Erklärung, wie man ein profitables System auf der Grundlage von maschinellem Lernen entwickelt.
Das Hauptproblem ist, dass das Training mit einem Lehrer nichts von selbst findet und das Verhältnis von Merkmalen zum Ziel nicht immer optimal von uns gewählt wird, daher die großen Fehlklassifizierungen und Nachschulungen und eine Menge Themen, wie man diesen Prozess optimieren kann. Wenn es sich um einen vollwertigen NS-Bot handelt, sollte er Tags optimal markieren, ohne dass ein (menschlicher) Experte beteiligt ist. Wie es heutzutage realisiert wird - es wurden einige Verbindungen aufgezeigt, z.B. durch Lernen mit Verstärkung, aber es gibt einige Schwierigkeiten, wie z.B. das Explorations- und Nutzungsproblem, d.h. ein Gleichgewicht zwischen dem Studium der Umgebung und der Nutzung des erlangten Wissens zu finden, im Grunde ist es äquivalent zu dem Dilemma, wie oft NS neu trainiert werden sollte, aber im automatischen Modus
Das Hauptproblem besteht darin, dass das Training mit einem Lehrer nicht von selbst etwas findet und das Verhältnis von Merkmalen zu Ziel nicht immer optimal gewählt wird, was zu großen Klassifizierungsfehlern und Nachschulungen führt. Wenn es sich um einen vollwertigen NS-Bot handelt, sollte er Tags optimal markieren, ohne dass ein (menschlicher) Experte beteiligt ist. Wie es heute realisiert wird - ich habe Ihnen einige Links geschickt, z.B. durch verstärktes Lernen, aber es gibt einige Schwierigkeiten, wie das Problem der Erkundung und Nutzung, d.h. ein Gleichgewicht zwischen der Lernumgebung und der Anwendung des erworbenen Wissens zu finden, in der Tat ist es das Äquivalent eines Dilemmas, wie oft es notwendig ist, NS erneut zu lernen, aber im automatischen Modus
Ich werde nicht allzu schlau sein, denn mein theoretisches Wissen ist dürftig. Ich kann nur die Meinung eines Beobachters und Praktikers wiedergeben. Man kann sogar mit 2 Bällen arbeiten, aber dann ist das Ergebnis dasselbe. Ich werde nicht beschreiben, wie man diese Bälle lehrt, das ist nicht der Hauptpunkt. Also, wie der Beobachter eine Menge von Tests kann ich sagen, dass die Häufigkeit der Umschulung NS weit von stationären Sache, manchmal stellt sich heraus, dass ein Satz, der genug ist zum Beispiel einmal pro Woche, und andere Male passiert es, dass genug Zeit pro Monat. für verschiedene Sätze von Daten unterschiedliche Frequenz Umschulung. aber am Ende bekommen wir immer noch eine Passform, aber nicht eine Anpassung Parameter der gleichen Maschine und passen Sie die Häufigkeit des Signals auf der Maschine eine Periode. Wie lange wird es funktionieren? Es ist wie in einem "Sumpf", man weiß nie, wann man den Sumpf betritt.
Ich werde mich nicht zu schlau machen, denn ich habe nur sehr wenig theoretisches Wissen. Ich kann nur die Meinung eines Beobachters und Praktikers wiedergeben. Die Auswahl der Prädiktoren ist ein sehr mühsamer Prozess, viele große sind nicht notwendig. Eigentlich können sogar 2 Masken verwaltet werden, aber dann ist das Ergebnis angemessen, ich werde nicht darüber erzählen, wie diese Masken gelehrt werden können, es ist nicht wichtig. Also, wie der Beobachter eine Menge von Tests kann ich sagen, dass die Häufigkeit der Umschulung NS weit von stationären Sache, manchmal stellt sich heraus, dass ein Satz, der genug ist zum Beispiel einmal pro Woche, und andere Male passiert es, dass genug Zeit pro Monat. für verschiedene Sätze von Daten unterschiedliche Frequenz Umschulung. aber am Ende bekommen wir immer noch eine Passform, aber nicht eine Anpassung Parameter der gleichen Maschine und passen Sie die Häufigkeit des Signals auf der Maschine eine Periode. Es ist wie in einem Sumpf, man weiß nie, wann man in den Sumpf gerät.
Nun, man braucht genügend Beschreibungen der Umgebung und die richtigen Schalter, grob gesagt, von Modus zu Modus... denn die Muster ändern sich, ja
Manche Leute lösen dieses Problem, indem sie verschiedene TS austauschen, andere versuchen, eine einzige anpassungsfähig zu machen, und wieder andere versuchen, alles an eine einzige Verteilung anzupassen, wie es Alexander tat
Mishan hat den Markt erwischt, der wächst, und während er wächst, freut er sich, aber sobald die Turbulenzen beginnen, wird er weinen.
Nun, man braucht eine ausreichende Anzahl von Zustandsbeschreibungen der Umgebung und die richtigen Schalter, grob gesagt, von Modus zu Modus... denn die Muster ändern sich, ja
Einige lösen dieses Problem, indem sie zwischen verschiedenen TS wechseln, andere versuchen, eine einzige zu machen, die aber anpassungsfähig ist, und wieder andere versuchen, alles an eine einzige Verteilung anzupassen, wie Alexander
Mishan hat die Gewinne auf dem wachsenden Markt erzielt, und während dieser wächst, freut er sich, aber sobald die Turbulenzen beginnen, fängt er an zu weinen.
Ich hoffe, er wird nicht weinen, aber rechtzeitig umbauen) wir sind nicht hier, um zu streiten...
Gott bewahre, dass Sie nicht weinen, aber rechtzeitig wieder aufbauen), wir sind nicht hier, um zu streiten...
Nun ein Münzspiel ohne richtigen Backtest, das Ergebnis ist einfach offensichtlich
Guten Tag zusammen.
Ich wollte ein wenig zusammenfassen... Was wissen wir z. B. über eine zukünftige Kerze? Wir wissen, wann wir öffnen und wann wir schließen müssen. Wir wissen, dass es 3 Zustände geben kann: eine weiße Kerze in Aufwärtsrichtung, eine schwarze Kerze in Abwärtsrichtung und ein Doji. Wir wissen, dass die Wahrscheinlichkeit einer "langen" oder "großen Kerze" ist, Sie wissen schon.) - ist klein im Vergleich zu einer "durchschnittlichen" Kerze oder einem Doji. Wir können einen Kanal oder einen Bereich finden, in dem sich der Preis bewegt. Das ist alles? Mehr wissen wir nicht? Sie ist zu klein, um Vorhersagen zu treffen, selbst für eine einfache Klassifizierung wie eine Kerze nach unten oder eine Kerze nach oben... Wenn Sie nicht versuchen, die Richtung vorherzusagen... Es gibt keine Möglichkeit, einen Handel einzugehen, ohne die Richtung vorherzusagen... Was können wir sonst noch über den Future-Candlestick sagen, um ihn zu klassifizieren? Denn alle Vorhersagen, die auf vergangenen Daten beruhen, geben Hinweise auf vergangene Kerzenständer. Und die Vorhersage zu diesen Daten wird als "heute wird es wie gestern sein" dargestellt - das ist nicht gut....