Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 948

Neuer Kommentar
 
SanSanych Fomenko:
Im Allgemeinen ist die Ausrichtung auf 3 Klassen nicht sehr gut. Besser ist es, sich in zwei Zielklassen aufzuteilen: (-1,0) und (0,1), und sie dann bei der Entscheidung für eine Position zu kombinieren.

Ich war derjenige, der um 3 Klassen gebeten hat. Vor ein paar Seiten gab es eine ähnliche Datei mit nur zwei Zielen. Zwei Ziele konnte ich nicht bewältigen (eine der Klassen ist zahlenmäßig stark verzerrt, so dass es auch schwer ist), ich versuche es jetzt mit drei.

 

Ich habe auf randomForest gewartet, obwohl ich 10% der Originaldatei für die Trainingsdatei genommen habe.

Hier ist das Ergebnis:

Number of observations used to build the model: 20276
Missing value imputation is active.

Call:
 randomForest(formula = as.factor(arr_Buy) ~ .,
              data = crs$dataset[crs$sample, c(crs$input, crs$target)],
              ntree = 500, mtry = 7, importance = TRUE, replace = FALSE, na.action = randomForest::na.roughfix)

               Type of random forest: classification
                     Number of trees: 500
No. of variables tried at each split: 7

        OOB estimate of  error rate: 11.22%
Confusion matrix:
     -1    0    1 class.error
-1 5335  314   21  0.05908289
0    95 8712  480  0.06191450
1     2 1363 3954  0.25662719

Variable Importance
===================

                                 -1      0      1 MeanDecreaseAccuracy MeanDecreaseGini
arr_Sell                     223.88 208.20 164.24               216.84          3073.97
arr_DonProcVisota             25.86  57.39  53.05                57.46           203.17
Levl_Close_MN1                21.45  51.65  52.89                58.17           140.68
Levl_High_H4                  22.35  51.81  50.33                58.17           118.24
Levl_Close_W1                 20.11  48.85  49.94                52.90           145.82
arr_LastBarPeresekD_Down_M15  22.38  49.70  49.39                57.02           129.74
arr_Den_Nedeli                21.46  44.74  49.06                49.48           129.12
Levl_Low_H4                   20.55  47.30  47.49                50.63           126.02
arr_Regresor                  23.40  46.78  46.25                50.94           126.67
Levl_Close_D1                 21.03  42.44  44.51                47.91           164.55
Levl_Support_D1               22.47  47.09  44.35                51.17           153.52
Levl_Low_H1                   20.62  47.36  43.94                50.02           132.55
Levl_Support_W1               18.05  47.42  43.40                47.19           134.89
arr_DonProc_M15               23.81  50.52  42.83                52.10           184.02
arr_TimeH                     20.55  41.15  42.07                42.59           109.51
arr_LastBarPeresekD_Up_M15    22.46  43.85  41.64                47.63           134.78
arr_DonProc                   21.88  56.26  41.49                50.51           228.07
Levl_High_W1                  20.78  40.34  41.27                45.67            91.07
Levl_Low_D1                   18.87  39.05  40.81                42.30           116.54
Levl_Support_MN1              18.99  39.66  40.36                41.64           122.87
Levl_High_MN1                 17.25  36.97  39.62                40.44            88.72
Levl_first_H4                 18.77  38.39  38.71                42.28            70.63
arr_LastBarPeresekD_Down      19.31  42.64  37.27                44.06           150.78
Levl_Low_MN1                  17.96  37.24  36.40                37.83            92.71
Levl_first_H1                 14.43  35.64  34.62                37.45            78.99
Levl_High_D1                  19.35  34.28  34.48                36.43           106.69
Levl_Close_H4                 19.72  39.58  33.59                39.85           170.80
X_USE_Filter_MA_02            15.76  33.70  33.01                38.00            50.89
Levl_Support_H4               16.71  39.24  32.66                36.73           152.03
Levl_Low_W1                   16.72  34.05  32.47                33.22           111.06
Levl_High_H1                  17.58  33.14  31.93                33.90           117.74
Levl_Close_H1                 19.09  35.94  30.80                35.35           160.90
Levl_first_W1                 12.82  30.50  30.57                31.63            51.57
X_Use_Donchianf               13.69  28.78  30.46                31.47            59.44
Levl_first_MN1                13.94  27.58  30.02                29.14            59.58
arr_LastBarPeresekD_Up        15.96  31.32  28.67                30.59           142.72
Use_Filter_MA_Prirost         11.99  27.62  26.88                33.29            38.78
arr_Vektor_Don_M15            13.70  26.01  25.25                29.80            32.87
X_Use_BarPeresek_iMA_TF       11.40  18.48  25.17                25.30            20.57
Levl_first_D1                 14.97  28.47  24.99                29.17            46.49
X_Use_Filter_Fibo_in_Day      12.43  24.34  24.84                29.00            45.29
Levl_Support_H1               17.57  29.98  24.77                28.92           141.18
arr_Vektor_Week                7.99  19.81  24.10                21.56            27.30
arr_RSI_Open_H1               10.31  25.18  23.80                29.74            27.62
X_USE_Filter_MA               12.64  22.15  22.22                25.99            41.49
arr_Vektor_Don                10.20  19.81  15.88                17.82            41.06
arr_Vektor_Day                11.65  15.07  15.62                16.44            25.24
arr_BB_Center                 10.41  15.87  14.93                15.48            38.40
arr_BB_Up                      7.78  10.50  14.74                13.99            17.23
X_Use_ChanelEvaProc            4.30  13.36  12.15                17.63            67.45
arr_RSI_Open_M1                7.45  12.63  10.49                13.56            25.92
arr_BB_Down                    5.47  14.77   7.02                14.50            16.72
USE_Filter_MA_Donchian         0.72   0.10   4.71                 3.29             1.78

Time taken: 2.29 mins
 

Hier ist eine interessante Grafik


Es zeigt sich, dass eine Erhöhung der Anzahl der Bäume bis etwa 50 zu einer Verringerung des Fehlers führt, aber danach ist eine Erhöhung der Anzahl der Bäume über 100 eine absolute Zeitverschwendung

 

Und hier ist das Ergebnis für die Validierungs- und Testabschnitte. Ich habe große Exemplare, jeweils 45 % des Originals

Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [validate] (counts):

      Predicted
Actual    -1     0     1 Error
    -1 24023  1523    70   6.2
    0    473 39706  1964   5.8
    1     10  5858 17615  25.0

Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [validate] (proportions):

      Predicted
Actual   -1    0    1 Error
    -1 26.3  1.7  0.1   6.2
    0   0.5 43.5  2.2   5.8
    1   0.0  6.4 19.3  25.0

Overall error: 10.9%, Averaged class error: 12.33333%


Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [test] (counts):

      Predicted
Actual    -1     0     1 Error
    -1 23847  1502    73   6.2
    0    455 39677  1984   5.8
    1      7  6024 17673  25.4

Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [test] (proportions):

      Predicted
Actual   -1    0    1 Error
    -1 26.1  1.6  0.1   6.2
    0   0.5 43.5  2.2   5.8
    1   0.0  6.6 19.4  25.4

Overall error: 11%, Averaged class error: 12.46667%
 

Sehr anständig, wenn nichts nach vorne schaut.

TC auf M1 ist nicht klar: wir werden innerhalb der Spanne voraussagen.

 
SanSanych Fomenko:

Ich habe auf randomForest gewartet, obwohl ich 10% der Originaldatei für die Trainingsdatei genommen habe.

Hier sind die Ergebnisse:

Danke, den Ergebnissen nach zu urteilen, laufen die Dinge nicht schlecht?

Es scheint jedoch, dass arr_Sell als Prädiktor verwendet wurde, wenn man die Tabelle der Wichtigkeit der Prädiktoren betrachtet? Wenn ja, dann ist das nicht korrekt.

SanSan Fomenko:

Hier ist eine interessante Grafik


Es zeigt sich, dass eine Erhöhung der Anzahl der Bäume bis etwa 50 zu einer Verringerung der Fehler führt, aber danach ist eine Erhöhung der Anzahl der Bäume über 100 völlig nutzlos.

Es muss also logisch sein, je mehr Prädiktoren, desto mehr Lösungen, oder liege ich da falsch?

 
SanSanych Fomenko:

Sehr anständig, wenn nichts nach vorne schaut.

Ich verstehe den TS auf M1 nicht: Wir werden innerhalb der Spanne vorhersagen.

Es ist eine Trendstrategie und funktioniert auf MOEX on Si, d.h. der Spread ist dort nicht wichtig.

 

Um ein endgültiges Urteil zu fällen, ist es notwendig:

  • die Vorhersagekraft der Prädiktoren unter sehr spezifischen Bedingungen der Eingabedatei zu testen
  • die Eingabedatei physisch in zwei Teile aufteilen: in einem Teil das tun, was ich getan habe, und im zweiten Teil den fertigen Wald ausführen. Wenn der Fehler übereinstimmt, dann ist er Millionär oder Milliardär!

 
Aleksey Vyazmikin:

Es gibt eine Trendstrategie, und sie funktioniert an der MOEX-Börse auf Si, d.h. der Spread ist dort nicht wichtig.

Welcher andere Trend in der Klassifizierung? Die Vorhersagefehler werden den Trend zerreißen - von dem Trend wird nichts mehr übrig sein.

 
Aleksey Vyazmikin:


Allerdings scheint arr_Sell als Prädiktor verwendet worden zu sein, wenn man die Tabelle mit der Bedeutung der Prädiktoren betrachtet? Wenn ja, dann ist das nicht korrekt.


Natürlich ist es das, verdammt noch mal!

Welche?

Ich rechne noch einmal nach.

1...941942943944945946947948949950951952953954955...3399
Neuer Kommentar