Diskussion zum Artikel "Schneller Handelsstrategie-Tester in Python mit Numba"
Das Thema der Verwendung von Numba für Python wird nicht behandelt, es gibt fast keine Erklärung des Codes. An wen richtet sich dieser Artikel, an Anfänger? - dann werden sie es nicht verstehen, ohne dass der Code durchgekaut wird. Für Python-Experten? - Die brauchen ihn nicht, sie wissen bereits, wie man Berechnungen beschleunigt.
Auch der zweite Teil des Artikels ist nicht ganz einfach. Es wird ein Beispiel für eine Optimierung mit nur zwei Parametern und einem sehr groben Schritt angeführt und ein Vergleich zwischen der vollständigen Suche und dem Optimierungsalgorithmus angestellt, wobei behauptet wird, dass die Beschleunigung bis zu zwei Mal so hoch ist. Auf Kosten dessen, was erreicht wird? - Es wird nicht erklärt. Durch die Verringerung der Anzahl von Aufrufen zur Berechnung der Zielfunktion test_model_func? - aber im Fall von AO wird genau diese Anzahl von Zugriffen nicht angezeigt. In der Tat, da der Raum der Aufgabe ist sehr klein, ist es möglich, eine Beschleunigung von 400-mal, im Vergleich zu einer vollständigen Suche in dieser Aufgabe zu erhalten, ist es genug, um Zufallszahlen einmal zu generieren, sondern um mehrere Tests zu tun, und in dem Artikel, um das beste Ergebnis aus den Tests geben. Im Allgemeinen sind alle Grundsätze des Experimentierens verletzt.
Wenn ich es richtig verstanden habe, gibt der Tester Kursdaten und Handelsumgebung (aktuelle Aufträge) in den TS ein und erhält Handelssignale vom TS.
Wenn ich es richtig verstanden habe, ist es bei Ihnen etwas anders.
Kursdaten + Handelsrichtungen für jede Beobachtung (Kauf, Verkauf), die der MO vorhergesagt hat.
Das heißt, der TS wird nicht innerhalb des Testers ausgeführt, die Handelsrichtungen sind berechnet und im Voraus bekannt.
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Schneller Handelsstrategie-Tester in Python mit Numba :
Bei der Entwicklung von Handelsalgorithmen, die auf maschinellem Lernen basieren, ist es wichtig, die Ergebnisse ihres Handels in der Vergangenheit korrekt und schnell zu bewerten. Wenn wir den seltenen Einsatz des Testers in großen Zeitintervallen und mit einer geringen Historientiefe berücksichtigen, dann ist der Tester in Python durchaus geeignet. Wenn die Aufgabe jedoch mehrere Tests und hochfrequente Strategien beinhaltet, kann eine interpretierte Sprache zu langsam sein.
Angenommen, wir sind mit der Ausführungsgeschwindigkeit einiger Skripte nicht zufrieden, wollen aber unsere vertraute Python-Entwicklungsumgebung nicht aufgeben. An dieser Stelle kommt Numba zur Hilfe, das es uns ermöglicht, nativen Python-Code in schnellen Maschinencode zu konvertieren und zu kompilieren. Die Ausführungsgeschwindigkeit eines solchen Codes wird vergleichbar mit der Ausführungsgeschwindigkeit von Code in Programmiersprachen wie C und FORTRAN.
Autor: Maxim Dmitrievsky