Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 186
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
Weil sie gefroren ist.
Es tut mir leid, aber die Frage ist dieselbe wie die Antwort.
Ich verstehe den Humor nicht, denn um eine Entscheidung zu treffen, sollte der Wert der Klassifikatorausgabe mit etwas verglichen werden, zum Beispiel mit einem Schwellenwert. Und da in Ihrer Formulierung des Problems die vergleichbaren Werte aus irgendeinem Grund unbekannt sind und nur diejenigen bekannt sind, die für die Klassifizierung nicht benötigt werden, wäre es eine gute Idee, Klarstellungen vorzunehmen.
Ich habe meine mehrtägigen Berechnungen abgeschlossen (Modelle für 6 ausgewählte Prädiktoren (von 114) für den Forex).
Hier ist das Titelbild. Verteilung der Regressionsgenauigkeit (gezählt nach L1-Norm: Summe der absoluten Fehlerwerte ) bei der Validierung für die Modelle, die als die besten (nach demselben Maß) auf den Testboxen ausgewählt wurden.
In jedem Feld befinden sich 99 Werte, von denen jeder die Metrik 1 - Summe(abs(X-Y))/Summe(abs(X-Mittelwert(X)) einer einzigen Validierungsstichprobe darstellt. Analog zu R^2, wie ich sehe, ja.
Die Gesamtzahl beträgt 8908 Modelle... Für alle untersuchten Instrumente und Ziele.
Eine durchschnittliche Fehlerreduzierung von 0,2 % (nur). Aber es ist bezeichnend... Für jedes Modell wurde eine eigene Validierungsstichprobe erstellt.
Alle Studien, die ich veröffentlichen möchte. Es geht weiter mit der Schätzung des Modells MO und so weiter bis zum logischen Ende. Wenn ich etwas veröffentliche (nicht auf MQL), gebe ich einen Link an einige Leute, mit denen ich hier kommuniziere, oder ich poste es in meinem Profil.
Und auch dort. Ein viel interessanteres Bild aus praktischer Sicht. Das Verhältnis zwischen der mathematischen Erwartung des Modells bei Testblöcken (innerhalb der Kreuzvalidierung) und bei der Validierung.
Hier muss sofort geprüft werden, ob die positive Korrelation signifikant ist (da eine negative Korrelation überhaupt nicht vernünftig erklärt werden kann) und ob es bei der Validierung positive Werte der MPO gibt. Nun, Sie können sich selbst davon überzeugen.
Die 99 Punkte sind Modelle.
Nun, dies ist ein gutes Beispiel dafür, warum 99% der naiven Händler verlieren...
Und dieser Zweig ist ein gutes, klares Beispiel für die Tatsache, dass maschinelles Lernen im Handel nur eine Theorie ist...
Ich habe viele Tage mit Berechnungen verbracht.
Ich verfolge Ihre Recherchen, sehr informativ, danke für den Beitrag. Aber ich habe den Eindruck, dass Sie zwar solche komplizierten Probleme erfolgreich lösen, aber vorbereitende Aufgaben auslassen, was das Ergebnis verdirbt. Sie ignorieren nämlich die Auswahl der Prädiktoren.
Sie haben 114 Prädiktoren genommen, dann irgendwie 6 ausgewählt, und nach dem Training der Modelle können Sie feststellen, welches Ziel besser ist. Dieses Ergebnis ist jedoch nur ein lokales Maximum. Sie können nicht global sagen, dass "der Eurusd 16 Balken im Voraus besser vorhersagen kann", sondern nur, dass "eine Reihe von 114 Prädiktoren: (pre1, pre2, pre3,...) mit gbm die beste Vorhersage der Kursrichtung über 16 Balken".
Wenn Sie Neuronics anstelle von Gbm nehmen, erhalten Sie ein anderes bestes Ziel. Wenn Sie andere 114 Prädiktoren verwenden, wird das beste Ziel wieder ein anderes sein. Ihre 114 Prädiktoren sind eine so wichtige Grundlage, dass der gesamte weitere Verlauf des Experiments davon abhängt, und Sie haben sie ohne jegliche Vorbereitung einfach von der Decke geholt.
Vor etwa einem halben Jahr hat SanSanych eine Datei mit seinen Prognosen veröffentlicht. Das Besondere an ihnen ist, dass die meisten Modelle in Rattle einen kleinen Fehler aufweisen und der Fehler bei neuen Daten nicht wächst. Sie können Modelle für jedes beliebige Segment trainieren und OOS-Tests mit den verbleibenden Daten durchführen und feststellen, dass keine Verschlechterung vorliegt. Die Prädiktoren und das Ziel sind so eng miteinander verbunden, dass die Modelle die einzig mögliche Beziehung zwischen ihnen auf jedem Balken finden.
Ich versuche, dies zu replizieren. Ich verwende mehr als zehntausend anfängliche Prädiktoren (Indikatoren mit verschiedenen Parametern und Lags von mt5) und lerne, sie so auszuwählen, dass sie die einzig mögliche Verbindung mit dem Zielbalken haben. Ich empfehle Ihnen, dasselbe Experiment durchzuführen, denn ich glaube, dass die Fähigkeit, solche korrelierten Prädiktoren und das Ziel zu bestimmen oder zu finden, der wahre Wegweiser zum Gral ist.
In MQL5 gibt es seit kurzem einen Expert Advisor Generator, bei dem man eine Liste der benötigten Indikatoren auswählt und ein fertiger Expert Advisor mit Code sofort erstellt wird, der zudem leicht durch Genetik optimiert werden kann. In einem solchen Expert Advisor gibt es 20 Indikatoren, keine maschinellen Lernmodelle (alles was wir haben sind Wichtigkeitskoeffizienten, die jedem Indikator zugeordnet sind).
(eurusd h1)
Ich habe gerade meinen benutzerdefinierten Code für die Genetik-Fitnessfunktion hinzugefügt und einige Kriterien hinzugefügt, damit Ziel und Indikatoren meiner Meinung nach als eng verwandt angesehen werden. Das Ergebnis sah folgendermaßen aus:
Die ersten 2/3 sind Backtest (Stichprobe), das letzte Drittel ist Fronttest (Oos). Nach 2/3 der Zeit wird nicht abgerechnet, sondern der Saldo wird auf den Ausgangswert für den Oos-Test zurückgesetzt. Wenn man eine so dürftige Auswahl an Merkmalen hat und einfach "grobe und unfertige Kriterien für die Abhängigkeit von Prädiktor und Ziel" hinzufügt, ist das Ergebnis kein Verlust, wenn auch ein schlechter. 51% der erfolgreichen Abschlüsse auf oos. Ist das nicht großartig? Aber wir könnten 20000 Indikatoren anstelle von 20 verwenden, und fügen Sie einige maschinelles Lernen Modell und entfernen Sie die Grenze von 10000 Iterationen von mt5 Genetik und wir würden sogar eine profitable Expert Advisor haben.
Und dieser Thread ist ein gutes, klares Beispiel dafür, dass maschinelles Lernen im Handel nur Theorie ist...
Die Theorie im Handel kann im Prinzip nicht existieren, oder besser gesagt, die Theorie ist, dass man kein Geld verdienen kann, ein effizienter Markt, usw., alles ist im Preis berücksichtigt, der Austauschmechanismus...Aber die Statistik und das maschinelle Lernen, die vor kurzem dank verschiedener mathematischer Pakete und Bibliotheken zugänglicher geworden sind, ermöglichen es Ihnen, wirklich zu sehen, WARUM es so traurig ist, mit Standard-TA, nicht Wissenschaftler, sondern einfache Händler, eine Woche in R-Studio oder Matlab zu verbringen.
Wenn die Vorgehensweise beim Handel "nur Theorie" ist, was teilweise stimmt, dann ist die TA nicht einmal eine Theorie, sondern Blödsinn, wie Astrologie oder Voodoo.
Aber viele hier wissen, dass es immer noch möglich ist, Geld zu verdienen, dass ein effizienter Markt nicht nur durch den Willen Gottes entsteht, sondern weil einige besser darin sind, Informationen zu beschaffen und zu verarbeiten als die meisten. Meiner Meinung nach ist das größte Hindernis für Händler eine Illusion der Einfachheit dieser Art von Geschäft, als ob der Beamte wird für seine Unterschrift bezahlt werden, hier auf diesem Forum haben sie immer wieder gehört, so etwas wie "Sie brauchen nicht zu einem Hadron-Collider zu schaffen, um Handel" ...
Aber es stellt sich heraus, dass Sie....
Ich verfolge Ihre Recherchen, sie sind sehr informativ, danke für den Beitrag. Aber ich habe den Eindruck, dass Sie zwar solche komplizierten Probleme erfolgreich lösen, aber vorbereitende Aufgaben verpassen, was das Ergebnis verdirbt. Sie ignorieren nämlich die Auswahl der Prädiktoren.
Sie haben 114 Prädiktoren genommen, dann irgendwie 6 ausgewählt, und nach dem Training der Modelle können Sie feststellen, welches Ziel besser ist. Dieses Ergebnis ist jedoch nur ein lokales Maximum. Sie können nicht global sagen, dass "der Eurusd 16 Balken im Voraus besser vorhersagen kann", sondern nur, dass "eine Reihe von 114 Prädiktoren: (pre1, pre2, pre3,...) mit gbm die beste Vorhersage der Kursrichtung über 16 Balken".
Wenn Sie Neuronics anstelle von Gbm nehmen, erhalten Sie ein anderes bestes Ziel. Wenn Sie andere 114 Prädiktoren verwenden, wird das beste Ziel wieder ein anderes sein. Ihre 114 Prädiktoren sind eine so wichtige Grundlage, dass der gesamte weitere Verlauf des Experiments davon abhängt, und Sie haben sie ohne jegliche Vorbereitung einfach von der Decke geholt.
Vor etwa einem halben Jahr hat SanSanych eine Datei mit seinen Prognosen veröffentlicht. Ihre Besonderheit besteht darin, dass die meisten Modelle in Rattle einen kleinen Fehler aufweisen, der bei neuen Daten nicht größer wird. Sie können Modelle für jedes beliebige Segment trainieren und OOS-Tests mit den verbleibenden Daten durchführen und feststellen, dass keine Verschlechterung vorliegt. Die Prädiktoren und das Ziel sind so eng miteinander verbunden, dass die Modelle die einzig mögliche Beziehung zwischen ihnen auf jedem Balken finden.
Ich versuche, dies zu replizieren. Ich verwende mehr als zehntausend anfängliche Prädiktoren (Indikatoren mit verschiedenen Parametern und Lags von mt5) und lerne, sie so auszuwählen, dass sie die einzig mögliche Verbindung mit dem Zielbalken haben. Ich empfehle Ihnen, dasselbe Experiment durchzuführen, denn ich glaube, dass die Fähigkeit, solche korrelierten Prädiktoren und das Ziel zu bestimmen oder zu finden, der wahre Wegweiser zum Gral ist.
In MQL5 gibt es seit kurzem einen Expert Advisor Generator, bei dem man eine Liste der benötigten Indikatoren auswählt und ein fertiger Expert Advisor mit Code sofort erstellt wird, der zudem leicht durch Genetik optimiert werden kann. In einem solchen Expert Advisor gibt es 20 Indikatoren, keine maschinellen Lernmodelle (alles was wir haben sind Wichtigkeitskoeffizienten, die jedem Indikator zugeordnet sind).
Ich habe gerade meinen benutzerdefinierten Code für die Genetik-Fitnessfunktion hinzugefügt und einige Kriterien hinzugefügt, damit Ziel und Indikatoren meiner Meinung nach als eng verwandt angesehen werden. Das Ergebnis sah folgendermaßen aus:
(eurusd h1)
Die ersten 2/3 sind Backtest (Stichprobe), das letzte Drittel ist Fronttest (Oos). Nach 2/3 der Zeit wird nicht abgerechnet, sondern der Saldo wird auf den Ausgangswert für den Oos-Test zurückgesetzt. Wenn man eine so geringe Anzahl von Optionen hat und einfach die "groben und unfertigen Kriterien der Prädiktor- und Zielabhängigkeit" hinzufügt, ist das Ergebnis kein Verlust, wenn auch ein schlechter. 51% der erfolgreichen Abschlüsse auf oos. Ist das nicht großartig? Aber wir könnten nicht 20 Indikatoren verwenden, sondern 20000 und fügen Sie ein maschinelles Lernen Modell und entfernen Sie die Grenze von 10000 Iterationen von mt5 Genetik und wir würden sogar ein profitables Expert Advisor erhalten.
Ratschläge, wo man einen EA (Roboter) bekommt, der einen Handel zu einer bestimmten Zeit eröffnet und dann zu einer bestimmten Zeit schließt.
Eröffnen Sie z. B. einen Handel um 12:59 Uhr und schließen Sie ihn um 13:59 Uhr, unabhängig vom Ergebnis - Gewinn oder Verlust sind gleich.