Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1112
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
Für ML sind die Daten viel wichtiger als ein gutes Modell.
Wenn es also nützlich ist, werde ich es mitteilen:
Sammeln von Ticks vom MetaTrader 5 direkt in die MySQL-Datenbank über libmysql in Echtzeit
MT5_Zeiger_zu_MySQL
Die Geschichte selbst können Sie hier nachlesen:
http://ticks.alpari.org
Für ML sind die Daten viel wichtiger als ein gutes Modell.
Wenn es also nützlich ist, werde ich es mitteilen:
Sammeln von Ticks vom MetaTrader 5 direkt in die MySQL-Datenbank über libmysql in Echtzeit
MT5_Zeiger_zu_MySQL
Die Geschichte selbst kann hier nachgelesen werden:
http://ticks.alpari.org
In einer normalen CSV-Datei wird die Aufgabe mit demselben Erfolg und derselben Geschwindigkeit gelöst. Und außerdem brauchen Sie sich um nichts zu kümmern.
Die Aufgabe wird in einer normalen CSV-Datei genauso schnell und mit dem gleichen Erfolg gelöst. Und außerdem brauchen Sie sich um nichts zu kümmern.
eh, nicht verstehen und gleich kommentieren)
Ich stimme zu, dass es bequemer ist, den Verlauf in CSV hochzuladen. Aber online mit bereits erstellten Modellen zu arbeiten...
eh, nicht verstehen und gleich kommentieren)
Ich stimme zu, dass es bequemer ist, den Verlauf in CSV hochzuladen. Aber online mit vorgefertigten Modellen zu arbeiten...
Online so viele Zecken nicht brauchen. Und sie werden in den Speicher passen.
Und da Sie nicht online sind, brauchen Sie für den Export nicht viel Geschwindigkeit. Sie importieren manuell von CSV in die Datenbank.
+1
Ich stimme zu, dass die Daten wichtiger sind als das Modell, aber die Methode zur Erstellung des Modells ist ebenfalls wichtig. In diesem Fall betrachte ich es als 50/50.
Es ist wichtig, dass das Modell bei wiederholten Optimierungen mehr als 50 % verallgemeinerte Modelle liefert. Das heißt, dass 5 oder mehr Modelle von 10 Optimierungen auf einem ausreichenden Niveau verallgemeinert werden sollten. Warum ist das so? Denn wenn man aus 10 Modellen auswählt, ist die Wahrscheinlichkeit höher, dass man das funktionierende Modell auswählt. Was nützt der Algorithmus, wenn er von 10 Optimierungen nur 2 verallgemeinerte Modelle hervorbringt? Die Wahrscheinlichkeit, dass der Expert Advisor das Arbeitsmodell auswählt, ist sehr gering und daher ist auch dieser Algorithmus wenig hilfreich.
Es ist wichtig, dass die Daten die Ursache für die Zielfunktion sind, mindestens 20 Prozent oder mehr. Wenn es einen Grund in den Eingabedaten gibt, liegt es in der Verantwortung des Optimierungsalgorithmus, ihn zu finden.
Ich bin immer noch daran interessiert, meine Ergebnisse mit anderen Algorithmen zu überprüfen und zu verstehen, was Erfolg bedeutet. Die Verfügbarkeit von Daten oder Optimierer Reshetova, die alle hier gehasst wird, aber zu tun, wird es brauchen, um im wirklichen Leben zu testen, und unter Berücksichtigung der Tatsache, dass die Menschen hier geizig. CUSTOMS........
Wenn jemand anderes diese Frage stellt, kann ich sie, glaube ich, beantworten: Ich bereite die Daten vor. Sie trainieren Ihre KI, nach dem Training testen wir das Modell anhand der Rückmeldungen (vorzugsweise in der realen Welt). Wenn die KI funktioniert und wir davon überzeugt sind, dass das Modell funktioniert, bedeutet dies, dass Ihr Optimierungsalgorithmus funktioniert (ich brauche ihn nicht) und wir uns daher auf die Suche nach Eingabedaten konzentrieren sollten. Wenn ich mit meinen Daten kein funktionierendes Modell erhalte, muss ich eine Feinabstimmung des Algorithmus vornehmen. Ich denke, Anfänger werden sich dafür interessieren, und in der Zwischenzeit werde ich mich auch um meinen Erfolg kümmern. Die Daten oder die Verfügbarkeit eines leistungsfähigen Optimierer Reshetov.
So.... der diese Herausforderung annimmt?????
Ich stimme zu, dass die Daten wichtiger sind als das Modell, aber die Methode zur Erstellung des Modells ist ebenfalls wichtig. In diesem Fall betrachte ich es als 50/50.
Es ist wichtig, dass das Modell bei wiederholten Optimierungen mehr als 50 % verallgemeinerte Modelle liefert. Das heißt, dass 5 oder mehr Modelle von 10 Optimierungen auf einem ausreichenden Niveau verallgemeinert werden sollten. Warum ist das so? Denn wenn man aus 10 Modellen auswählt, ist die Wahrscheinlichkeit höher, das funktionierende Modell auszuwählen. Was nützt der Algorithmus, wenn er von 10 Optimierungen nur 2 verallgemeinerte Modelle hervorbringt? Die Wahrscheinlichkeit, dass der Expert Advisor das Arbeitsmodell auswählt, ist sehr gering und daher ist auch dieser Algorithmus wenig hilfreich.
Es ist wichtig, dass die Daten die Ursache für die Zielfunktion sind, mindestens 20 Prozent oder mehr. Wenn es einen Grund in den Eingabedaten gibt, liegt es in der Verantwortung des Optimierungsalgorithmus, ihn zu finden.
Ich bin immer noch daran interessiert, meine Ergebnisse mit anderen Algorithmen zu überprüfen und zu verstehen, was Erfolg bedeutet. Die Verfügbarkeit von Daten oder Optimierer Reshetova, die alle hier gehasst wird, aber zu tun, wird es brauchen, um im wirklichen Leben zu testen, und unter Berücksichtigung der Tatsache, dass die Menschen hier geizig. CUSTOMS........
Wenn jemand anderes diese Frage stellt, kann ich sie, glaube ich, beantworten: Ich bereite die Daten vor. Sie trainieren Ihre KI, nach dem Training testen wir das Modell anhand der Rückmeldungen (vorzugsweise in der realen Welt). Wenn die KI funktioniert und wir davon überzeugt sind, dass das Modell funktioniert, bedeutet dies, dass Ihr Optimierungsalgorithmus funktioniert (ich brauche ihn nicht) und wir uns daher auf die Suche nach Eingabedaten konzentrieren sollten. Wenn ich mit meinen Daten kein funktionierendes Modell erhalte, muss ich eine Feinabstimmung des Algorithmus vornehmen. Ich denke, Anfänger werden sich dafür interessieren, und in der Zwischenzeit werde ich mich auch um meinen Erfolg kümmern. Die Daten oder die Verfügbarkeit eines leistungsfähigen Optimierer Reshetov.
So.... der diese Herausforderung annimmt?????
Sind die Zielvorgaben bereits in den Daten enthalten? Welche Metriken?)
Wenn Sie die Herausforderung auf eine einfache Form des maschinellen Lernens reduzieren, können Sie nicht nur Händler anziehen)
Sind die Tags in den Daten bereits gesetzt? Was ist die Metrik?)
Wenn Sie die Aufgabe auf ein einfaches Wettbewerbsformular für maschinelles Lernen reduzieren, können Sie mehr als nur Händler anziehen)
Ja, die Daten des Ziels sind bereits vorhanden. Wir sprechen von Klassifizierungsmodellen. Hier ist das Problem ein anderes: Wie können wir die in Ihrem System erhaltenen Modelle überprüfen? ???? Vorzugsweise auf echten...
Ja, die Daten des Ziels sind bereits vorhanden. Wir sprechen über die Klassifizierungsmodelle. Das Problem hier ist ein anderes, wie können Sie diese Modelle, die Sie in Ihrem System erhalten haben, überprüfen???? Vorzugsweise in der Realität...
Prüfen Sie zunächst zumindest eine verzögerte Probe. Angenommen, Sie geben die Daten für 2012-2016 an. Test 2017. 2018 verlässt Sie für den Abschlusstest (so dass es keine Anpassung gab).
Warten Sie mit dem realen) nicht teilen die Haut nicht den Bären getötet ;) zuerst müssen Sie ein Modell, das zumindest die Validierung passieren könnte, zu machen, und dann versuchen, diesen Elefanten in das Produkt zu rollen. Dies sind zwei völlig unterschiedliche Aufgaben.
Prüfen Sie zunächst zumindest eine verzögerte Probe. Angenommen, Sie geben Daten für 2012-2016 an. Test 2017. Sie behalten das Jahr 2018 für den abschließenden Test (damit es keine Anpassung gibt).
Warten Sie mit der realen) nicht teilen die Haut nicht getötet den Bären ;)
Wie überprüfe ich also das Modell? Wenn ich die Validierung in MT-Tester durchführe. Nach der Optimierung werden wir in der Lage sein, das Modell in MT4 zu laden?
Wie überprüfe ich also das Modell? wenn ich es im MT-Tester überprüfe. Nach der Optimierung werden wir in der Lage sein, das Modell in MT4?
Und ich will damit Folgendes sagen. Stellen Sie das Problem zunächst in ein Vakuum. mit Ihrer Metrik.
Wenn Sie es im Tester mit Schleppnetz und all den anderen Goodies laufen lassen wollen:
Stellen Sie Daten in .csv mit Targeting bereit (ich verstehe, dass Sie diese binäre Klassifizierung haben). trainieren Sie dann das Modell und sagen Sie das Targeting voraus. das Ergebnis wird als eine Liste von Modellantworten in denselben Tester geladen und ausgeführt. Aber das für jedes Modell zu tun, ist eine andere Variante der Anpassung, es ist besser, über Metriken oder Ziele nachzudenken. Und im Prüfgerät sollten wir nur die letzte Variante ausführen.
Für die Echtzeit ist das ein separater Aufwand, und nicht alle Modelle können in eine DLL verpackt werden.