Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1374

Neuer Kommentar
 
elibrarius:

D.h. die Ausrichtung wird mit der von Vladimir vorgeschlagenen Methode erfasst?

Es ist wahrscheinlich nicht genau das, was ich mir vorgestellt habe. Ich weiß es nicht, ich habe es nicht benutzt, ich muss die Hilfe lesen.

Kann man irgendwo etwas über diese Parameter lesen?
 
elibrarius:

Diese Gewichte können nicht nur in den Booster, sondern auch in den Koffer von Forst und NS eingespeist werden. Offenbar ist die Methodik allen MoD-Systemen gemeinsam.
Der erste Versuch, den Einfluss alter Daten zu verringern, brachte keine Verbesserung.

Beim Training mit 30000 Zeilen sieht der Test besser aus als beim Training mit 80000 Zeilen. Bei 80000 gibt es weniger Abschlüsse und der Fehler ist höher. Ich habe versucht, das Gewicht proportional zu verringern (von 1 für frisch auf 0,5 für alt), und die Ergebnisse sind fast die gleichen.


Offensichtlich geht es immer noch um die Ausrichtung der Streuung, wie von Maxim erwähnt, nach der von Vladimir genannten Methode.

Ja, ich spreche von der Möglichkeit, die Gewichte für die Zeilen zu reduzieren, in denen die Prädiktorenpartitionierung auf eine niedrigere Ebene des Baums verschoben werden muss. Die Gewichtung der neueren Daten könnte sinnvoll sein, wenn man bedenkt, dass sich der Markt verändert hat...

 
Maxim Dmitrievsky:
Kann man irgendwo etwas über diese Parameter nachlesen?

Ich habe dieser Sache vorher keine Aufmerksamkeit geschenkt.

 

Erstellung eines Prototyps des TS auf der NS. Eröffnung eines Geschäfts nach der NS-Prognose, Prognosezeit - 5 m. Abschluss des Geschäfts innerhalb von 5 Minuten nach der Eröffnung. Eine Überwachung des Geschäfts findet nicht statt.

Hier ist das erste Ergebnis:

x - Handelsnummer, y - Gewinn in Pips. Provisionen usw. werden nicht berücksichtigt. Das Intervall für den Test beträgt 3,5 Monate.

Es besteht keine Notwendigkeit, bis zum 60. Handel zu handeln, es ist bis zum vorherigen Futures-Schluss, die Prognose ist dort nicht sehr viel möglich. Starke Sprünge, so vermute ich, sind Lücken zwischen den Tagen.

Und Python-Code. Einfacher geht's nicht.

def Long(i): # сделка Long
    print('long')
    profLS.append(SD.history[i+5][c.c] - SD.history[i][c.c] )
    return i + 5

def Short(i):  # Сделка Short
    print('short')
    profLS.append(SD.history[i][c.c] - SD.history[i+5][c.c] )
    return i + 5

while i < LenHist:
    x = []
    for j in range(0, 20): #Подготовка данных для НС
        x.append((SD.history[i-j][c.c]/SD.history[i][c.c]-1)*1000)
    out = MLP.Predict([x]) # запрашиваем прогноз НС
    if out >= 3.0:
        i = Long(i)       
        tmp.append('L')
    elif out <= -3.0:
        i = Short(i)        
        tmp.append('S')
    i += 1
 
elibrarius:

Ich habe dieser Sache vorher keine Aufmerksamkeit geschenkt.

Ich konnte es auf der xgboost-Website nicht finden, aber es gibt einen Abschnitt "Parameter-Tuning", in dem es um den Kompromiss zwischen Vorspannung und Varianz geht

Das ist in etwa so, wie ich es mir gedacht habe.

Ich benutze es nicht, bin nur neugierig.

 
Yuriy Asaulenko:

Ich habe einen Prototyp des TS auf NS gebaut. Das Geschäft wurde 5 Minuten nach Eröffnung abgeschlossen (Vorhersagezeit). Eine Überwachung des Handels findet nicht statt.

Hier ist das erste Ergebnis:

Mit x - Handelsnummer, mit y - Gewinn in Pips. Provisionen usw. werden nicht berücksichtigt. Das Intervall für den Test beträgt 3,5 Monate.

Es besteht keine Notwendigkeit, bis zum 60. Handel zu handeln, es ist bis zum vorherigen Futures-Schluss, die Prognose ist dort nicht sehr viel möglich. Starke Sprünge, so vermute ich, sind Lücken zwischen den Tagen.

Und Python-Code. Einfacher geht's nicht.

Es sieht interessant aus, wenn man die Schließung über Nacht und die Öffnung nicht um 10:00 Uhr berücksichtigt?

 
Aleksey Vyazmikin:

Sieht interessant aus, aber berücksichtigen Sie die Schließung für die Nacht und nicht die Öffnung um 10:00 Uhr?

Nichts wird dabei berücksichtigt. Kontinuierlicher Fluss der Geschichte Unmittelbar an NS. Wir öffnen gemäß der NS-Vorhersage und schließen dann dummerweise in 5 Metern Entfernung.

 
Maxim Dmitrievsky:

Auf der xgboost-Website konnte ich eine solche Einstellung nicht finden, aber es gibt einen Abschnitt "Parameter-Tuning", in dem es um den Kompromiss zwischen Vorspannung und Varianz geht.

Das ist in etwa das, was ich gedacht habe.

Ich benutze es nicht, ich bin nur neugierig.

In der PDF-Beschreibung des Pakets für die xgb.train-Funktion heißt es:

Gewicht - ein Vektor, der das Gewicht für jede Zeile der Eingabe angibt.

Und das war's.

ELM hat denselben. Ich habe es woanders gesehen.

 
elibrarius:

In der PDF-Beschreibung des Pakets für die Funktion xgb.train heißt es:

Gewicht - ein Vektor, der das Gewicht für jede Zeile der Eingabe angibt.

Das ist alles.

Frag den Kerl, der sich um den Boost kümmert, vielleicht gibt er dir später eine Antwort.

 
Yuriy Asaulenko:

Nichts ist verbucht. Kontinuierlicher Fluss der Geschichte Schließen Sie direkt auf die NS. Wir öffnen nach der Vorhersage, in 5 m machen wir dummerweise zu.

Beim Training habe ich damit gute Ergebnisse erzielt, aber es erwies sich als unrealistisch, um 10:00 Uhr zu schließen, ohne einen Rückzieher zu machen.

1...136713681369137013711372137313741375137613771378137913801381...3399
Neuer Kommentar