Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1607
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
Max, hast du schon einmal versucht, mit assoziativen Regeln wie dem Arriori-Algorithmus oder ähnlichem Muster zu finden?
Nun, Bayes'sche Netze... es dauert lange, sie zu lernen. Wenn man nicht weiß, was man unterrichten soll, ist es einem scheißegal.
Imho müssen Sie Clustering (HMM, Gaußsche Mischungen) verwenden, den Markt in mehrere Cluster aufteilen und für jedes Cluster trainieren. Dann funktioniert es. Noch keine Zeit.
es gibt spezielle, separate Bibliotheken für die Erzeugung von fiktiven Merkmalen, und dann kann man sie in einen Buster einfügen, und es wird dasselbe sein
der mgua-Algorithmus selbst ist insofern schwach, als er eine gewöhnliche Regression anwendet, so dass er von vornherein Merkmale züchtet
Und wie heißt dieser Prozess auf Englisch?
Wie heißt dieser Prozess der Funktionsbereitstellung auf Englisch?
irgendwo im Vorverarbeitungsabschnitt, zum Beispiel für Python
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html
oder Kernel-Methoden
https://github.com/gmum/pykernels
Dann sehe ich in dieser Methodik nichts Neues oder Originelles.
Nun, Bayes'sche Netze... es dauert lange, sie zu lernen. Wenn Sie nicht wissen, was Sie unterrichten sollen, ist es Ihnen egal.
Imho sollten Sie Clustering verwenden (HMM, Gaußsche Mischungen), den Markt in mehrere Cluster aufteilen und für jedes Cluster trainieren. Dann funktioniert es. Dafür habe ich noch keine Zeit.
Hier haben Sie absolut Recht, Maximka, nicht im Sinne von spezifischen Methoden, sondern im Sinne einer prinzipiellen Trennung bei der Marktbearbeitung. Aber dafür braucht man ein Team, und wenn man ein großes Team hat, kann man viel Arbeit und Forschung betreiben und Methoden und Ansätze finden, die einzigartig sind. Man muss auf dem Markt anders sein.... Einzigartig. Meinen Sie nicht auch? :-)
Ein guter Punkt, wenn die Qualität eines Systems in seiner Fähigkeit besteht, im Trend zu bleiben.....
Hier haben Sie völlig Recht, Maximka, nicht im Sinne von spezifischen Methoden, sondern im Sinne des prinzipiellen Teilens bei der Annäherung an den Markt. Aber dazu braucht man ein Team, und wenn man ein großes Team hat, kann man viel arbeiten und forschen und Methoden und Ansätze finden, die einzigartig sind. Man muss auf dem Markt anders sein.... Einzigartig. Meinen Sie nicht auch? :-)
wenn das Team groß ist, wird man es leid, alles für alle zu tun
Wenn das Team groß ist, ist man schnell erschöpft, wenn man alles für alle machen muss.
Für diejenigen, die das Thema verfolgen. Weiter hartnäckig nach unten schauen....
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
OK, es geht los...
Zunächst das große Bild:
- Es fängt einfach an, wir sammeln Daten mit einem Bot im Tester, machen eine csv, jede Zeile ein Vektor;
- Keras Netzwerk über Tensoflow, Superwissen ist nicht notwendig, ein Buch über neuronale Netzwerke + ein paar Handbücher;
- Sie können Google Colab verwenden, das ist für den Anfang in Ordnung, aber es hat seine eigenen Feinheiten;
- Als Nächstes beginnen Sie mit AD: Wenn Sie eine geniale, einzigartige Idee haben, welche Daten in das Netz eingespeist werden sollen, müssen Sie sich 99 weitere, ebenso einzigartige Ideen einfallen lassen, denn die 101. wird funktionieren, und selbst das ist nicht sicher;
- Standardergebnis: Das Netz lernt nicht.
Einige Ratschläge (mit Blut gewaschen):
- Suchen Sie nicht nach ausgeklügelten Lösungen, es ist ganz einfach:
-- Ich habe das erste Ergebnis bei einem einschichtigen Sequential,
-- Versuchen Sie nicht, den Preis vorherzusagen -- das ist Utopie, Sie müssen eine einfache Frage nach oben oder unten stellen, und dann, wenn Sie sie bekommen, weitergraben.
-- Chips in Vektoren von 100-200, nicht mehr, weniger geht nicht,
-- Versuchen Sie, 1000 Epochen lang die ganze Nacht durchzuhalten. Sie werden sehen, ob es nach 100 Epochen funktioniert,
-- achten Sie auf die ersten Anzeichen von Trainierbarkeit und setzen Sie sie um.
-- Helfen Sie dem neuronalen Netz nicht mit Krücken wie Ablenkern, es soll selbst lernen,
-- Eine Erhöhung der Anzahl der Eingabedaten ist nicht hilfreich, es reichen 50-60 Tausend für 100 Merkmale.
Nun zu den Antworten auf die Fragen:
1. funktioniert der Algorithmus bei Währungen
Ich habe die ersten Ergebnisse für EURUSD, aber später stellt sich heraus, dass kurze Trades sind ein bisschen besser für kurze Vorhersagen trainiert, ich weiß nicht, warum.
(2) Die Prognosen werden für eine feste Länge von n Kerzenständern erstellt, oder das Netz sagt selbst, wie lange
Ja, es sollte eine feste Antwort sein, denn wir geben ihr während der Ausbildung eine feste Antwort.
3. warum das Signal so lange braucht, um verarbeitet zu werden 12-13 Sekunden pro Kerze
da sich meine Prognose aus der Gesamtmeinung von 20 Modellen zusammensetzt und die Antwort eines Modells 0,5 Sekunden dauert, kann man dieses Problem asynchron lösen, aber ich weiß nicht wie
4) Warum streben Sie die öffentliche Ausstrahlung von Berufen an?
Ich habe viel Geld ausgegeben, das ich zurückverdienen muss.
5. die Daten für die Prognose sollten in Form einer Funktion (Preis, Indikator) oder einer komplizierteren Form verwendet werden.
Die Daten werden als Funktion (Preis, Indikator) oder etwas komplizierter verwendet.