Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2016
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
Es gibt eine Reihe von Ideen, warum dies nützlich sein könnte:
1. Es können voneinander abhängige Prädiktoren ermittelt werden:
1.1. ein eigenes Modell mit ihnen erstellen und ihre Vorhersagekraft bewerten
1.2. sie aus der stichprobe ausschließen und ihre auswirkungen auf das ergebnis bewerten. wenn sie das ergebnis verbessern, die Schaffung ähnlicher prädiktoren erwägen
2. einen Prädiktor anstelle einer Gruppe von Prädiktoren zu verwenden:
1. Dadurch wird die Wahrscheinlichkeit, dass sie bei der Erstellung des Modells zufällig ausgewählt wird, ausgeglichen.
2. Verkürzung der Trainingszeit durch Reduzierung der Dimensionalität
Ja, ich würde das gerne testen, aber ich kenne das Tool nicht, mit dem man ein solches Modell erstellen kann.
Nebenbei bemerkt, warum verwendet man beim Training nicht gebrochene Funktionen (sozusagen mit Quantisierung - anstelle einer Stufenlinie), das würde eine Rückwirkung auf die Datengenauigkeit ermöglichen und Übertraining reduzieren.
Wenn es sich bei den Prädiktoren um Preise handelt, dann sind jeweils 3-5 Balken auf der linken und rechten Seite stark mit dem zentralen Balken korreliert, Ausnahmen sind bei starken Preisspitzen selten. Nehmen Sie jeden fünften bis siebten Takt und Sie erhalten ungefähr das, was Sie wollen. Oder wechseln Sie zu einem höheren Zeitrahmen. Oder man kann die Prädiktoren herausfiltern, indem man sie auf gegenseitige Korrelation überprüft. Der Gründer dieses Threads hat die Stäbe ebenfalls ausgedünnt, siehe seinen Blog.
Ich würde empfehlen, zuerst die Daten aus den Müllfächern zu löschen...
Stellen Sie sich vor, Sie haben 10 Attribute, 9 davon sind unsinnige Attribute, die Sie alle in ein Attribut zusammenfassen.
das Gleiche... am Anfang der Woche funktioniert es gut, nach dem "Vortraining". Dann beginnt es zu schütten. Ich habe es noch einmal überarbeitet, morgen werde ich es für Tests zur Verfügung stellen :D
Einige Handelsroboter können im Trader falsch berechnet werden... Nach einer Reihe von Aktualisierungen beginnt er in die falsche Richtung zu handeln.
Ich arbeite auch an den Rekursionsnetzen in Torch.
gelb - Anfang der Wochen, erste 1-3 Tage
Interessant...
Hat jemand versucht, "runde Ebenen" als Zeichen zu verwenden?
Oder als eine Art der Preisverarbeitung?
Sie können Preise zum Beispiel mit kreisförmigen Werten kennzeichnen...
Es ist möglich, gleiche Werte in einer Zeile zu entfernen...
Es ist eine gute Informationsverdichtung, plus Filterung... Vielleicht ist es einfacher, in einem solchen Diagramm nach Mustern für ein Modell zu suchen...
Hat jemand versucht, "runde Ebenen" als Zeichen zu verwenden?
Oder als eine Art der Preisverarbeitung?
Sie können Preise zum Beispiel mit kreisförmigen Werten kennzeichnen...
Es ist möglich, gleiche Werte in einer Zeile zu entfernen...
Es ist eine gute Informationskompression, plus Filterung ... Vielleicht ist es einfacher, in einem solchen Diagramm nach Mustern für ein Modell zu suchen ...
Ich habe den Renco.
Hat jemand versucht, "runde Ebenen" als Zeichen zu verwenden?
Oder als eine Art der Preisverarbeitung?
Sie können Preise zum Beispiel mit kreisförmigen Werten kennzeichnen...
Es ist möglich, gleiche Werte in einer Zeile zu entfernen...
Es ist eine gute Informationsverdichtung, plus Filterung ... Vielleicht ist es einfacher, in einem solchen Diagramm nach Mustern für ein Modell zu suchen ...
Ja
hartes Umzeichnen ...
Weil es nicht gelehrt werden kann, wird der Löser in lokalen Minima stecken bleiben. Was die Ideen angeht, so kann man nichts aus ihr herausholen, denn sie ist eine Blackbox.
Wenn Sie nicht weiterkommen, müssen Sie vielleicht die Art und Weise ändern, wie Sie den Fehler korrigieren.
Nun, warum Blackbox, wenn es nur 2-3 Schichten gibt, ist es durchaus realistisch, durch Koeffizienten zu demaskieren. Kleine Koeffizienten können hier vergröbert und mit Nullen versehen werden, wodurch sich die Anzahl der Eingaben für das Neuron verringert.
Wenn es sich bei den Prädiktoren um Preise handelt, dann sind jeweils 3-5 Balken auf der linken und rechten Seite stark mit dem mittleren Balken korreliert, Ausnahmen sind bei Preisspitzen selten. Nehmen Sie jeden fünften bis siebten Takt und Sie erhalten ungefähr das, was Sie wollen. Oder wechseln Sie zu einem höheren Zeitrahmen. Oder man kann die Prädiktoren herausfiltern, indem man sie auf gegenseitige Korrelation überprüft. Der Gründer dieses Threads hat auch Barren verdünnt, siehe seinen Blog.
Prädiktoren sind keine Preise in nackter Form - viele relative Punkte, die ähnlich sein können...
Ich bin nicht sicher, ob ein Screening durch Korrelation effektiv wäre...
Ich würde zunächst empfehlen, dass Sie die Daten aus den Junk-Attributen löschen...
Stellen Sie sich vor, Sie haben 10 Attribute, 9 davon sind Unsinn, Sie haben sie alle zu einem Attribut komprimiert - na und?
Und welche Methode zur Reinigung können Sie empfehlen?