Diskussion zum Artikel "Erstellung einer Strategie der Rückkehr zum Mittelwert auf der Grundlage von maschinellem Lernen" - Seite 7

Neuer Kommentar
 
Maxim Dmitrievsky #:

Diejenigen, die den Artikel gelesen haben, werden am Ende einen netten Bonus finden - ein Diagramm des Terminals, das den Drawdown zeigt.

Nein, das sind sie nicht. Der Test im Terminal wird mit SL und TP gemacht, obwohl behauptet wird, dass das Training ohne sie durchgeführt wurde. Warum zeigen Sie nicht das Ergebnis nach dem Training und unter identischen Bedingungen (ohne SL und TP)? - weil behauptet wird, dass "(1)Stopp-Einstellungen keinen Einfluss auf die Generalisierungsfähigkeit der Modelle haben".

Sie brauchen nicht zu antworten - Sie sind nicht gut darin, inhaltlich zu antworten.

[Gelöscht]  
Evgeni Gavrilovi #:

Haben Sie eine Idee, wie man das TC verbessern könnte? Teilen)

In der jetzigen Form auf keinen Fall, ich gehe nur durch Eigenschaften/Muster/Setups.

Es ist möglich, sehr gute Modelle zu bekommen.
[Gelöscht]  
Andrey Dik #:

Das müssen Sie nicht beantworten

Gott sei Dank

 
Maxim Dmitrievsky #:

In der jetzigen Form gibt es keinen Weg, sondern nur den Weg über Merkmale/Partitionierer.

Diese Bibliothek enthält alle grundlegenden Indikatoren, die in einer einzigen Funktion berechnet werden. Sie könnten sie in Zukunft nützlich finden.

https://github.com/bukosabino/ta

df = add_all_ta_features(df, open="Open", high="High", low="Low", close="Close", volume="Volume_BTC")

[Gelöscht]  
Evgeni Gavrilovi #:

Diese Bibliothek enthält alle grundlegenden Indikatoren, die in einer Funktion berechnet werden. Sie kann für Sie in Zukunft nützlich sein.

https://github.com/bukosabino/ta

df = add_all_ta_features(df, open="Open", high="High", low="Low", close="Close", volume="Volume_BTC")

Danke, ich habe es gespeichert. Es gibt noch weitere unerwartete Änderungen des Algorithmus, ich werde sie später posten (es ist viel zu schreiben). Die Änderungen sind so, dass wir sagen können, dass es ein anderer Algorithmus sein wird.

[Gelöscht]  

Wenn Sie nicht in der Lage sind, feindlichen Python-Code auszuführen (Dicks Beispiel, für ihn ist das ein normaler Bewusstseinszustand), oder Sie tun es aus religiösen Gründen nicht (Sie schreiben ausschließlich in SI, wie es Ihnen Ihr Vater vererbt hat):

  • Das Modell wird mit einem beliebigen sl/tp, sagen wir 500/500, trainiert und ausgewählt:

hyper_params = {
    'symbol': 'EURGBP_H1',
    'model_number': 0,
    'markup': 0.00010,
    'stop_loss':  0.00500,
    'take_profit': 0.00500,
    'periods': [i for i in range(5, 300, 30)],
    'periods_meta': [100],
    'backward': datetime(2000, 1, 1),
    'forward': datetime(2021, 1, 1),
    'full forward': datetime(2026, 1, 1),
    'n_clusters': 10,
    'rolling': 200,
}

  • Ändern Sie es in den Hyperparametern auf z.B. 5000/5000 (funktioniert nie):

  • Optimieren Sie mutig oder wählen Sie manuell die, die Ihnen gefallen, z. B. 2000/200, wie im Artikel beschrieben.

  • Die Formen der Kurven stimmen mit der Genauigkeit bis zu den Korrekturen für Stopps überein. Die Haltestellen können im Terminal optimiert werden, ohne dass eine Überoptimierung zu befürchten ist.

[Gelöscht]  
Die Strategie ändert sich natürlich nicht, nur die Stopps ändern sich. Die Auswahl der Modelle über vordefinierte Stops ermöglicht es Ihnen, schnell ein Modell für Ihren Handelsstil zu finden, das Ihren nur Ihnen bekannten Handelskriterien am besten entspricht.

Es reichte übrigens aus, den bereits zusammengestellten Bot aus dem Artikel zu nehmen und zu überprüfen. Ich hatte ernsthaftere Fragen von "alten Hasen" des Forums erwartet, da habe ich wohl die Erwartungen überschätzt.
 
Maxim Dmitrievsky #:
Ich hatte ernstere Fragen erwartet

Haben Sie in der Vergangenheit die Mehrfachklassifizierung getestet? Gibt es einen Vorteil?

https://catboost.ai/docs/en/concepts/loss-functions-multilabel-classification

[Gelöscht]  
Evgeni Gavrilovi #:

Haben Sie in der Vergangenheit die Mehrfachklassifizierung getestet? Gibt es einen Vorteil?

https://catboost.ai/docs/en/concepts/loss-functions-multilabel-classification

Wenn auch nur für ganz bestimmte Handelsaufgaben, ansonsten gibt es keine Vorteile. Außerdem gibt es, soweit ich mich erinnere, einige Probleme beim Exportieren nach ONNX. Wenn ich mich nicht täusche.

ZЫ Ich glaube nicht, dass es jetzt irgendwelche Probleme mit dem Export gibt.
 

Imho natürlich, aber die Verwendung von Savitsky_Golay ist nicht viel anders als die Verwendung von Muve. Der SG-Filter ist der Mittelwert einer polynomialen Regression in einem bestimmten gleitenden Fenster mit einem bestimmten Polynomgrad. Für den Grad 1 ist er eine perfekte Übereinstimmung mit dem muv des entsprechenden Zeitraums.

Um die Rückkehr zum Mittelwert zu ermitteln, ist es meiner Meinung nach sinnvoller, die Amplitudenfilterung zu verwenden - Renko, Renji, Zigzags. Ich denke, dass die Bereiche am besten sind - die Differenz zwischen Hg und Lw ist eine Konstante. Nun, oder eine konstante Größe ZZ, was im Grunde das Gleiche ist.

12345678910
Neuer Kommentar