Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1606
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
Erstens, was scheitert an den Regressoren? Was für ein Unsinn, warum scheitert dann auch die MGUA, wenn das Problem komplizierter wird?
Zweitens sind die Daten, die ich in dem Beispiel angegeben habe, sowohl für das MGUA als auch für den Boost die gleichen.
Drittens müssen Sie nichts tun, können Sie nicht eine Matrix mit vier zufälligen Werten in Python machen und dann kumulieren sie? Sie wollen den Boost selbst überprüfen?
2 Codezeilen )))
Ich frage mich, was zum Teufel das ist.
mgua erzeugt gefälschte Variablen aus dem Quellcode, (abhängig vom verwendeten Kernel)
der mgua erzeugt (je nach verwendetem Kernel) wieder einmal falsche Variablen
Vergessen Sie MSUA, ich sage Ihnen - erstellen Sie einen Datensatz wie meinen und lassen Sie Ihr Booing darauf laufen und sehen Sie, was Sie bekommen, OHNE MSUA, nur Wald oder was immer Sie wollen. Oder Ihnen eine Textdatei mit meinen genauen Daten schicken?
Vergessen Sie die MSUA, ich sage Ihnen - erstellen Sie einen Datensatz wie meinen und lassen Sie Ihr Boosting darauf laufen und sehen Sie, was Sie bekommen, OHNE MSUA, nur Wald oder was immer Sie wollen. Oder soll ich Ihnen eine Textdatei mit meinen genauen Daten schicken?
ja ich sage Ihnen, warum Boosten ist schlecht ausgebildet ka kusumma Sie und mgua ist gut. Wegen der gefälschten Regressoren, z. B. polynomiale Regressoren.
Nehmen Sie eine lineare Regression x auf y, fügen Sie x^2 und x^3 als falsche Regressoren hinzu, und Sie erhalten eine polynomiale Regression, die die Kurve beschreibt.
und der Wald wird nicht so gut auf x allein passen. Und mgua stellt massenhaft gefälschte Variablen in industriellem Maßstab her
Ich spreche über den technischen Teil der Sache. Deshalb hältst du mgua für großartig und Boosting für Mist. Weil Sie nicht verstehen, wie manEugene Guten Tag, vielen Dank, zumindest für die Tatsache, dass Sie ein Praktiker sind und nicht ein weiterer Abschaum, von denen es 95% gibt.... Was Sie in Bezug auf GMDH tun(Test an einer "dritten" Stichprobe), wird "Vorhersagekraftkriterium" genannthttp://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1.82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune.
Erinnern wir uns daran, dass die ersten Veröffentlichungen über GMDH irgendwo in den 1960er Jahren begannen und dass die Idee von "your know-how" mit dem Testan der "dritten" Probe bereits 60 Jahre alt ist)))
Aber ich möchte anmerken, dass der Ansatz nie alt wird, daher empfehle ich dringend die Lektüre der Werkevon A.G. Ivakhnenko...
Zum Beispiel spottet die MSUA-Regression nur über die Regression des modernen Random-Forest-Algorithmus und alle Arten von Boostings...
Nun zu den Links im Telegramm... Ich habe dort nichts gefunden außer Signalen, aber es ist interessant, Ihren Ansatz und Ihre Denkweise zu lesen, Dmitry hatte Recht, als er sagte, dass es notwendig ist, hier zu veröffentlichen, wenn auch in einer offen rüpelhaften Form...
Ich behaupte lediglich, dass ich das neuronale Netz trainieren konnte und seine Signale auf dem realen Markt bestätigen, dass es angemessen trainiert ist.
Dies ist die erste öffentliche Demonstration eines funktionierenden Netzes inmitten des allgemeinen Misserfolgs dieses Themas und des Mangels an zuverlässigen Ergebnissen.
Wenn Sie die Signale beobachtet haben, werden Sie festgestellt haben, dass das Netzwerk korrekt auf den Markt reagiert. Außerdem lässt sich sein Verhalten nicht durch unsere üblichen Handelsstrategien oder die Bindung an Indikatoren erklären, im Gegenteil, sein Verhalten ist oft unlogisch.
Die Leistung ist in diesem Stadium unerheblich, wichtig ist nur, dass es überhaupt möglich ist, und die Qualität der Vorhersage kann unbegrenzt verbessert werden, es ist eine Frage der Zeit und der Ausrüstung.
Ja, ich sage Ihnen, warum Boosten ist schlecht ausgebildet ka cusumma Sie und mgua ist gut. Wegen der gefälschten Regressoren, z.B. Polynom.
Nehmen Sie eine lineare Regression x auf y, fügen Sie x^2 und x^3 als falsche Regressoren hinzu, und Sie erhalten eine polynomiale Regression, die die Kurve beschreibt.
und der Wald wird nicht so gut auf x allein passen. Und mgua stellt massenhaft gefälschte Variablen in industriellem Maßstab her
Ich meine den technischen Teil der Frage. Deshalb hältst du mgua für großartig und Boosting für Mist. Weil Sie nicht verstehen, wie manJep... ich hab's ))
Es zeigt sich jedoch, dass MGUA gefälschte Regressoren produziert.
Und die Tatsache, dass Forest keine gefälschten Regressoren produziert, ist schlecht.
Da MSUA die gleichen Daten "out of the box" verarbeiten kann und Boosting diese Regressoren manuell erstellen muss ... Und wie man sie erstellt, weiß ich nicht, das hängt alles von den Daten ab.
Ich verstehe diese subtile Ironie nicht, was hat das mit GMDH zu tun? Ich habe nicht behauptet, dass dies mein Know-how ist, es ist nur eine routinemäßige Überprüfung der Ergebnisse.
Ich behaupte lediglich, dass ich in der Lage war, das neuronale Netz zu trainieren, und seine Signale auf dem realen Markt bestätigen, dass es angemessen trainiert ist.
Dies ist die erste öffentliche Demonstration eines funktionierenden Netzes inmitten des allgemeinen Misserfolgs dieses Themas und des Mangels an zuverlässigen Ergebnissen.
Wenn Sie die Signale beobachtet haben, werden Sie festgestellt haben, dass das Netzwerk korrekt auf den Markt reagiert. Außerdem lässt sich sein Verhalten nicht durch unsere üblichen Handelsstrategien oder Indikatorenbindung erklären, im Gegenteil, sein Verhalten ist oft unlogisch.
Die Effektivität spielt in diesem Stadium keine Rolle, was zählt, ist die Tatsache, dass es überhaupt möglich ist, und die Qualität der Vorhersagen kann unendlich verbessert werden, es ist eine Frage der Zeit und der Ausrüstung.
Vergessen Sie die Ironie ))
Die Signale in Form von Textnachrichten ist irgendwie schwer, die Leistung auf dem Markt zu vergleichen, würde ich glücklich sein, den Handel in einer visuellen Form zu sehen. Ich würde mich freuen, die Handelsergebnisse in einer visuellen Form zu sehen. Wieder kein einziges Wort über den Algorithmus der Aktionen, um den Handelsalgorithmus zu erstellen, was sind die Chips, was ist das Ziel, wie die Daten vorverarbeitet werden, usw.
Max, hast du schon einmal versucht, mit assoziativen Regeln wie dem Arriori-Algorithmus oder ähnlichem Muster zu finden?
Vergessen Sie die Ironie ))
Die Signale in Form von Textnachrichten sind schwer zu vergleichen, die Leistung auf dem Markt, würde ich glücklich sein, um den Handel in einer visuellen Form zu sehen. Ich würde mich freuen, die Handelsergebnisse in einer visuellen Form zu sehen. Und wieder kein einziges Wort über den Algorithmus der Aktionen, um den Handelsalgorithmus zu erstellen, was Chips sind, was das Ziel ist, wie die Daten vorverarbeitet werden und so weiter.
1) nur M1 tf, da die Vorhersagen nicht an Zeitrahmen gebunden sind,
2) der Indikator muss die Informationen über Sockets von meinem Server anfordern, weil es unrealistisch ist, Tensorflow auf dem Client laufen zu lassen.
3) Jetzt dauert die Berechnung aller Modelle für jeden Candlestick 12-13 Sekunden, das nächste Mal wird es viel länger dauern, ich werde keine Hardware mehr haben...
Die zweite Option - zu versuchen, einen Indikator auf tradingview machen, aber es ist nicht sicher, dass Kiefer unterstützt Web-Sockets. Keine anderen Möglichkeiten, Karten rückwirkend zu zeichnen - niemand wird es glauben.
Was den Algorithmus und andere Dinge angeht, bin ich bereit, alle Fragen zu beantworten, außer der Logik der Auswahl der Eingabedaten für das Training.
Ja, Visualisierung ist notwendig, die Signale sind schief. Es gibt eine Idee, einen Indikator vom Typ AO zu erstellen - unter jeder Kerze befindet sich ein Balken mit einer Vorhersagekraft über und unter Null. Aber es gibt Probleme:
1) nur M1 tf, da die Vorhersagen nicht an Zeitrahmen gebunden sind,
2) der Indikator muss die Informationen über Sockets von meinem Server anfordern, weil es unrealistisch ist, Tensorflow auf dem Client laufen zu lassen.
3) Jetzt dauert die Berechnung aller Modelle für jeden Candlestick 12-13 Sekunden, das nächste Mal wird es viel länger dauern, ich werde keine Hardware mehr haben...
Die zweite Option - zu versuchen, einen Indikator auf tradingview machen, aber es ist nicht sicher, dass Kiefer unterstützt Web-Sockets. Keine anderen Möglichkeiten, Karten rückwirkend zu zeichnen - das wird niemand glauben.
Was den Algorithmus und andere Dinge angeht, bin ich bereit, alle Fragen zu beantworten, außer der Logik der Auswahl der Eingabedaten für das Training.
Es ist schwer, hier etwas zu fragen, denn alles beginnt mit der Vorverarbeitung der Daten, und darüber wollen Sie nicht sprechen... (
OK... Ich frage mich
1. funktioniert der Algorithmus bei Währungen
2. erstellt es die Vorhersage für eine feste Länge von n Kerzen oder entscheidet das Netz selbst, wie lange es gehen wird
3. warum es so lange dauert, das Signal zu verarbeiten 12-13 Sekunden pro Kerze
4) Warum wollen Sie die Geschäfte öffentlich machen?
5. Für Vorhersagen verwenden Sie Daten in Form einer Funktion (Preis, Indikator) oder einer komplizierteren Form.
die beste Visualisierung ist das Geschäft
Ja... ich hab's))
Aber es ist immer noch gut, dass gefälschte MSUA-Regressoren produziert werden.
Und die Tatsache, dass Forest keine gefälschten Regressoren produziert, ist schlecht.
Denn mit den gleichen Daten kann MSUA "out of the box" umgehen und Boosting muss diese Regressoren manuell erstellen ... Ich weiß nicht, welche ich erstellen soll, es hängt alles von den Daten ab.
Es gibt spezielle, separate Bibliotheken, um fiktive Merkmale zu erzeugen, die Sie dann in die Liste aufnehmen können.
mgua selbst ist ein schwacher Algorithmus, der gewöhnliche Regression verwendet, so dass er von vornherein Deppen hervorbringt.