Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 106
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
VERKAUFEN KAUFEN Interpretation
-1 0 verkaufen
0 0 Zaun
0 1 kaufen
-1 1 Zaun
Hier ist die Umschalttabelle. Daraus können Sie ersehen, dass Signale entstehen, wenn Rastersignale vorhanden sind und sich nicht widersprechen.
Danke! Also, wie bei meinem ternären Klassifikator - Inkonsistenz zweier binärer Klassifikatoren - auf dem Zaun sitzen.
Es stellt sich heraus, dass wir parallel zu derselben Lösung gekommen sind: ein ternärer Klassifikator kann aus zwei binären Klassifikatoren zusammengesetzt werden. Dies ist einfacher zu implementieren als ein ternäres System mit drei Ausgängen, denn bei einem ternären System mit drei Ausgängen ist nicht klar, wie die Unterschiede zu interpretieren sind, da sich alle Ausgänge gegenseitig ausschließen müssen, was nicht immer der Fall ist.
Und auch unsere Schlussfolgerungen sind dieselben: Eine Ternäre aus zwei Binären hat eine höhere Verallgemeinerbarkeit als einzelne Binäre.
Ich danke Ihnen! Wie bei meinem ternären Klassifikator liegt die Inkonsistenz der beiden binären Klassifikatoren also auf der Kippe.
Es stellt sich heraus, dass wir parallel zu derselben Lösung gekommen sind: ein ternärer Klassifikator kann aus zwei binären Klassifikatoren zusammengesetzt werden. Dies ist einfacher zu implementieren als ein ternäres System mit drei Ausgängen, da bei einem ternären System mit drei Ausgängen nicht klar ist, wie Unstimmigkeiten zu interpretieren sind, da sich alle Ausgänge gegenseitig ausschließen müssen, was nicht immer der Fall ist.
Das Hinzufügen von zwei binären Klassen zu einer ternären Klasse ergibt nicht eine ternäre Klasse.
Wenn Sie eine dritte Klasse hinzufügen, entsteht ein Widerspruch zwischen zwei Klassen. Und was ist, wenn die ursprüngliche Ternäre? Wie sieht zum Beispiel ein Zickzack aus? Ist das Out-of-Market ein Seitwärtsgang im Zickzack? D.h. eine völlig andere Zielvariable als die Ihre.
Mit diesen Erklärungen klingt es plausibel. Und wie selten sind die Muster, mit denen Sie handeln? Angenommen, es gibt Ausbildungsbeispiele mit den Klassen"Kaufposition eröffnen " und "alle Geschäfte schließen", wie wäre das prozentuale Verhältnis dieser Klassen? Nehmen wir an, dass die Kaufklasse einer starken Kursbewegung nach oben um Hunderte von Punkten entspricht, d.h. der Anteil der Kaufklasse beträgt etwa 10% aller Trainingsbeispiele?
Ich wende keine "nahen" Signale an. Neuronics weiß nur, wie man in den Markt einsteigt, während das Handelssystem entscheidet, wie man aussteigt. Dies ist besser als die Anwendung dieses TS auf Zufallssignale im Allgemeinen.
Im vierten Forum habe ich bereits geschrieben, dass ich zutiefst davon überzeugt bin, dass für neuronkey und ähnliche maschinelle Lernsysteme nur TSs mit zeitlich begrenzter Wirkung der Handelssignale gut genug sind. Zunächst gibt es unüberwindbare Widersprüche für Neuronen (kaufen oder verkaufen mit der Erwartung einer unendlichen Zukunft gleichermaßen und ohne Vorteil über einander), so dass ich für Neuronen nicht erlauben, zu entscheiden, wann zu schließen Trades.
Ich wende keine "Schließen"-Signale an. Die Neuronen wissen nur, wie man in den Markt einsteigt, während das Handelssystem entscheidet, wie man aussteigt. Dies ist besser als die Anwendung dieses TS auf Zufallssignale im Allgemeinen.
Im vierten Forum habe ich bereits geschrieben, dass ich zutiefst davon überzeugt bin, dass für neuronkey und ähnliche maschinelle Lernsysteme nur TSs mit zeitlich begrenzter Wirkung der Handelssignale gut genug sind. Zunächst gibt es unüberwindbare Widersprüche für Neuronen (kaufen oder verkaufen mit der Erwartung einer unendlichen Zukunft gleichermaßen und ohne Vorteil über einander), so dass ich für Neuronen nicht erlauben, zu entscheiden, wann zu schließen Trades.
Ihr Beitrag hat mich glücklich gemacht.
Ich habe hier gepredigt, dass die Betrachtung von Algorithmen des maschinellen Lernens außerhalb eines Handelssystems eine leere Übung ist. Sie sind der erste, der das Gleiche sagt.
Man muss vom Handelssystem tanzen und mit Hilfe von Modellen des maschinellen Lernens versuchen, die Parameter des ECHTEN Handelssystems zu verbessern. Ich habe rf eingefügt und den Drawdown reduziert. In der Tat hat der echte TS viel mehr Merkmale als der Kauf/Verkauf.
1) Es gibt ein Netz, das trainiert werden kann, wenn es Daten empfängt, die ihm vorher nicht bekannt waren. Vielleicht interessiert es Sie, darüber zu lesen. Das Netz heißt SOINNhttps://www.google.com.ua/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=soinn
2) Ich habe es satt, darüber zu schreiben, außerdem habe ich praktisch bewiesen, dass der Markt gegen seine eigenen Statistiken verstößt und sogar die Mechanik erklärt, warum das passiert und alle Studien in klassischer Form nicht darauf angewendet werden können, aber das interessiert niemanden, jeder macht das Gleiche.
1. danke, ich werde es lesen. siehe Seite 2.
2. das Problem der sich im Laufe der Zeit ändernden Muster ist meiner Meinung nach auch mit Pre-Learning nicht lösbar, da man nicht nur neue Muster zur Wissensbasis hinzufügen muss, sondern auch herausfinden muss, welche sich geändert haben und ob sie überhaupt geändert wurden... Dies ist eine sehr schwierige und scheinbar unüberwindbare Aufgabe. Es ist ein Teilbereich der KI, des Denkens, der Intelligenz, es ist wie das Erlernen des Einmaleins und die Fähigkeit, die Mathematik auf alle Aufgaben anzuwenden, auch auf neue, unkonventionelle und ungewohnte Aufgaben. Es handelt sich um einen Bereich des Denkens, der in der Lage ist, Entdeckungen zu machen, d.h. unabhängig nützliche Informationen und Wissen zu generieren. Aber clevere Anwendungen der Neuronik sind natürlich nicht verboten und möglich: Ich denke, es ist einfach aus dem Bereich der Statistik und der Wahrscheinlichkeitsrechnung, der Statistik zum Erinnern und der Wahrscheinlichkeit zum Sichern. Eine gelungene Kombination aus Statistik und Wahrscheinlichkeitsrechnung würde mo mehr Streuung geben, vielleicht sogar sein, zumindest sind alle Hoffnungen darauf gerichtet.
Ihr Beitrag hat mich glücklich gemacht.
Ich habe hier gepredigt, dass die Betrachtung von Algorithmen des maschinellen Lernens außerhalb des Rahmens eines Handelssystems eine leere Übung ist. Sie sind der erste, der einen ähnlichen Standpunkt vertritt.
Man muss vom Handelssystem tanzen und mit Hilfe von Modellen des maschinellen Lernens versuchen, die Parameter des ECHTEN Handelssystems zu verbessern. Ich habe rf eingefügt und den Drawdown reduziert. In der Tat hat der echte TS viel mehr Merkmale als Kaufen/Verkaufen.
Ich freue mich, dass Sie zufrieden sind.
Ich bin überrascht, dass maschinelles Lernen überhaupt von irgendjemandem unabhängig von einem bestimmten TS... betrachtet werden kann.
Für den Devisenhandel ist dies ebenfalls möglich, aber es erfordert ebenso viel Aufwand.
Ja, aber nicht über die Konfiguration der Neuronen.
Danke! Wie bei meinem ternären Klassifikator liegt die Inkonsistenz der beiden binären Klassifikatoren also auf der Kippe.
Es stellt sich heraus, dass wir parallel zu derselben Lösung gekommen sind: ein ternärer Klassifikator kann aus zwei binären Klassifikatoren zusammengestellt werden. Dies ist einfacher zu implementieren als ein ternäres System mit drei Ausgängen, denn bei einem ternären System mit drei Ausgängen ist nicht klar, wie die Unterschiede zu interpretieren sind, da sich alle Ausgänge gegenseitig ausschließen müssen, was nicht immer der Fall ist.
Gern geschehen).
Ein einfaches ternäres System hat nicht den wunderbaren Effekt, dass es die Anzahl der Trades reduziert und gleichzeitig die Markterkennung verringert (abgesehen von der Schwierigkeit, Signale zu interpretieren). Aber erst durch die Ternarnik bin ich zu diesem Punkt gekommen (ich habe das Wort hier verbal erkannt).
2. das Problem der sich im Laufe der Zeit ändernden Muster ist meiner Meinung nach nicht lösbar, auch nicht mit Pre-Learning, denn wir müssen nicht nur neue Muster zur Wissensbasis hinzufügen, sondern auch herausfinden, welche sich geändert haben und ob sie sich überhaupt geändert haben...
Die Frage des Vorlernens wird gut veranschaulicht in
Beispiel.
Anpassung eines Modells an eine Stichprobe von 5000 Balken. Das Modell selbst liefert ein Diagramm, das zeigt, wie sich der Fehler mit zunehmender Anzahl von Bäumen verändert, und der Baum ist das Muster. Bei meinen Prädiktoren ist es möglich, 100 Bäume zu verwenden. Ich nehme 300, um Fehler ganz gerade zu machen. Ich beginne die Anpassung (nicht die Anwendung) mit einer Stichprobe von 20.000 Takten. Das Überraschende ist, dass sich die Fehlerkurve nicht verändert hat! Die Anzahl der Bäume ist gleich geblieben. D.h. die Mustervarianten waren bereits bei den ersten 5000 Takten ausgeschöpft.
Aber das Unangenehmste ist, dass dies das Problem nicht löst. Das Problem besteht darin, das Modell neu zu trainieren, d. h. einige Merkmale werden herausgenommen und darauf werden Bäume aufgebaut.
Wo liegt das Problem?
Das Problem sind die Prädiktoren, nicht das Modell.
Ich weiß, wie man die Vorhersagekraft von Prädiktoren misst. Ich muss also nicht nur Prädiktoren verwerfen, die keine Vorhersagekraft haben (Rauschprädiktoren), sondern die Vorhersagekraft muss auch stationär sein. Ich konnte keine solchen Prädiktoren finden. Und das Problem bleibt bestehen.
Gern geschehen).
Ein einfaches ternäres System hat nicht den wunderbaren Effekt, dass es die Anzahl der Trades reduziert und gleichzeitig die Markterkennung verringert (abgesehen von der Schwierigkeit, Signale zu interpretieren). Aber erst durch die Ternäre bin ich zu diesem Punkt gekommen (ich habe das Wort hier verbal erkannt).
Ternär bedeutet, dass es drei sich gegenseitig ausschließende Zustände annehmen kann. Eine andere Bezeichnung dafür ist ternär.
Ein Gitter mit drei Ausgängen, die jeweils binär sind, kann 8 sich gegenseitig ausschließende Zustände erzeugen, von denen nur drei eindeutig als ternär interpretiert werden. Und die übrigen 5 Staaten sind sich nicht im Klaren darüber, wie sie zu interpretieren sind?