Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1335

 
Aleksey Vyazmikin:
Maxim, ich habe die Stichprobe an einigen Stellen vertauscht - für Training und Validierung habe ich die Teststichprobe belassen - was wird das Ergebnis sein, das auf einem wissenschaftlichen Dogma beruht? Ich weiß es selbst noch nicht, die Bearbeitung ist noch nicht abgeschlossen.

Wenn Ihre Daten und Ihr Modell angemessen sind, dann sollte sich das Ergebnis theoretisch verschlechtern.

 

Es gibt etwas, was ich an Ihrem Verteidigungsministerium nicht verstehe. Ich habe den Eindruck, dass Sie dem Verteidigungsministerium einfach eine Reihe von Daten, Prädiktoren usw. geben und sagen: "Jetzt geh und such für mich nach Profit, je mehr, desto besser.

Es ist wie - hier ist ein Pferd für dich, Ivan, hier sind ein Schwert und ein Schild, und jetzt geh und bring mir den Feuervogel, so heißt es - irgendwo da draußen, jenseits des Meeres, jenseits des Ozeans. Wenn du es nicht findest, gebe ich dir eine Axt. Wenigstens hatte Iwan das Buckelpferdchen, das alles wusste, aber das Verteidigungsministerium hat nur etwas gefunden und fragt: "Was ist es denn? Der Feuervogel, oder? - Nein. In Ordnung, schauen wir noch einmal nach.

Trotzdem wäre es gut, Iwan zumindest einige Vorabinformationen zu geben, z. B. ob er sich in Buchara oder in Indien beim Schah von soundso aufhält. Es gibt nur zwei Orte zu besuchen. Und das Verteidigungsministerium ist auch nicht schlecht, es gibt weniger Optionen, und die Aufgabe ist konkreter formuliert.

 
Yuriy Asaulenko:

Sie haben eine Box, in der eine Art sehr hügelige Landschaft entsteht. Wir werfen dort viele Bälle hinein (das sind die Sids), und unsere Aufgabe ist es, dafür zu sorgen, dass die meisten Bälle die tiefsten Vertiefungen treffen. Das ist Lernen, und das ist das Prinzip, nach dem das Lernen in ME strukturiert ist.

1. Wenn wir den Kasten leicht rütteln, können die meisten Kugeln die Vertiefungen, in denen sie ursprünglich aufgeschlagen sind, nicht mehr verlassen - Lernen findet nicht statt.

2. wenn wir die Schachtel kräftig schütteln, haben einige der Kugeln eine Chance zu treffen und bleiben nur in den tiefsten Vertiefungen, aber die flacheren bleiben ungefüllt, da die Kugeln dort herausspringen. Vollständiges Lernen wird nicht stattfinden.

Wenn wir die Schachtel mit mittlerer Kraft schütteln, werden nur die tiefen und mittleren Vertiefungen gefüllt, aber der Rest der Kugeln findet nichts und hüpft weiter wahllos in der Schachtel herum. Das Lernen ist besser als in 1 und 2, aber auch nicht überragend.

Bei den Lernmethoden gibt es immer Einstellungen - genau wie und wann man die Box schütteln muss, um den größten Lerneffekt zu erzielen.

Wenn die verschiedenen "sids" nicht zusammenpassen, dann stimmt entweder etwas mit dem Lernalgorithmus nicht - Sie schütteln ihn falsch, oder es fehlen in unserer Box tiefe Vertiefungen, an denen man sich festhalten kann.

Schön gesagt, aber ich bin mir nicht sicher, ob es beim Boosting dasselbe ist wie beim NS (zufällige Anpassung der Gewichte in den Neuronen zu Beginn des Trainings), ich konnte keine genauen Informationen über die Implementierung finden. Und auf jeden Fall kann es besser sein, Bälle zwangsweise auf verschiedene Punkte zu werfen, auch weil man so die Modelle vergleichen kann, wenn man andere Einstellungen ändert. Das einzige, was ich nicht verstehe, ist die Reichweite...

 
Maxim Dmitrievsky:

Da ist zum Beispiel ein Diagramm, was soll ich sagen? Hier suchen Sie nach Gewinn, aber suchen Sie nicht danach, weil ich es nicht mag, ich habe schlechte Assoziationen damit.

Genau.)) Das ist genau das, was Sie sagen sollten. Und je mehr, desto besser. Wir sitzen wahrscheinlich nicht ohne Grund seit Jahren auf dem Markt, wir wissen schon etwas: Wenn man nach rechts geht, verliert man ein Pferd, usw.

Und ganz allgemein: Wo käme jemand her, wenn er alles von Grund auf neu beginnen würde, ohne das Wissen und die Erfahrung früherer Generationen zu nutzen. Wir lassen den MI genau das tun.

 
Maxim Dmitrievsky:

und wird sagen: "Wenn du so schlau bist, nimm es selbst und verkaufe es ohne mich.

Ich habe es dort hinzugefügt.

 
Yuriy Asaulenko:

Dennoch wäre es gut, wenn Iwan zumindest einige Vorabinformationen geben würde, wie z. B. in Buchara oder in Indien beim Schah von soundso. Es gibt nur zwei Orte, an die man gehen kann. Und das Verteidigungsministerium ist auch nicht schlecht, da es weniger Möglichkeiten gibt und die Aufgabe konkreter formuliert ist.

Ich denke über eine Implementierung nach, bei der das Modell anhand der Handelsbilanzergebnisse nachbearbeitet wird - das Ziel ist es, falsche Vorstellungen über den Markt nach Möglichkeit zu beseitigen. Aber all diese Ideen sollten kodiert werden, das dauert leider zu lange.

 
Maxim Dmitrievsky:

Dennoch schlägt alfastar Profispieler in Starcraft, Schach und Go, mit nur einem Monat Training (oder weniger, ich habe es vergessen), was ~200 Jahren Profispielerfahrung entspricht

Wir kennen die Ausbildungsmethodik nicht.)) Die Ausgangsbedingungen und die Problemstellung sind immer vorhanden.

 
Yuriy Asaulenko:

Es gibt etwas, was ich an Ihrem Verteidigungsministerium nicht verstehe. Ich habe den Eindruck, dass Sie dem Verteidigungsministerium einfach eine Reihe von Daten, Prädiktoren usw. vorgeben und sagen: "Jetzt geht und sucht für mich nach Gewinn, je mehr, desto besser.

Es ist wie - hier ist ein Pferd für dich, Ivan, hier sind ein Schwert und ein Schild, und jetzt geh und bring mir den Feuervogel, so heißt es - irgendwo da draußen, jenseits des Meeres, jenseits des Ozeans. Wenn du es nicht findest, gebe ich dir eine Axt. Wenigstens hatte Iwan das Buckelpferdchen, das alles wusste, aber das Verteidigungsministerium hat nur etwas gefunden und fragt: "Was ist es denn? Der Feuervogel, oder? - Nein. In Ordnung, schauen wir noch einmal nach.

Trotzdem wäre es gut, Iwan zumindest einige Vorabinformationen zu geben, z. B. ob er sich in Buchara oder in Indien beim Schah von soundso aufhält. Es gibt nur zwei Orte zu besuchen. Und das Verteidigungsministerium ist auch nicht schlecht, es gibt weniger Optionen zu durchsuchen, und die Aufgabe ist konkreter formuliert.

Obwohl durch den Namen kann ich mit dem Protagonisten Ihrer Geschichte verbunden werden, aber nicht durch das Wesen, wie ich nur vorschlagen, zu berücksichtigen, in MO finden Gewinn maximale zusätzliche Informationen aus der Erfahrung des Händlers, zum Beispiel in meinem Thread mit Vorlagen -https://www.mql5.com/ru/forum/270216
Машинное обучение роботов
Машинное обучение роботов
  • 2018.08.02
  • www.mql5.com
Привет всем, я занимаюсь машинным обучением (МО) советников и индикаторов и решил вынести на всеобщее обсуждение свои эксперименты...
 
Maxim Dmitrievsky:

Ich weiß, ich unterrichte Bots auf die gleiche Weise, bisher mit unterschiedlichem Erfolg (nicht viel Erfahrung)

Ein Beispiel: Der Bot hat durch Versuch und Irrtum gelernt, selbst zu handeln, und zwar etwa 4 Minuten lang. Rechts ist das Training, links sind die neuen Daten

es ist kein a priori Wissen vorhanden

Es stehen einzigartige Entwicklungen von Bots mit künstlicher Intelligenz bevor, die nicht nur den Markt, sondern die ganze Welt erobern werden

Das Lernen auf der rechten Seite ist nicht ganz logisch. Wenn wir in einer Notierung nach Informationen (Argumenten) suchen, die sich auf den zukünftigen Preis (Funktion) auswirken, dann sollte das Lernen immer auf der linken Seite stattfinden, sonst ist das umgekehrte Problem gelöst, wie das Finden von Argumenten einer Funktion:)
 
Iwan Negreshniy:

Wenn Ihre Daten und Ihr Modell angemessen sind, dann sollte sich das Ergebnis theoretisch verschlechtern.

Und warum? Nicht nur die Einsätze sind interessant, sondern auch die Gründe dafür.

Grund der Beschwerde: