Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 144

 

He estado pensando en formas alternativas de alimentación de los precios en la red, me di cuenta de que casi todos los comerciantes exitosos niveles de comercio, los que tienen en cuenta no sólo la serie de valores de los precios recientes, sino también esa rebanada del gráfico que fue en el pasado a los mismos precios

En

Si se piensa en ello aparecen muchos problemas, me pregunto quién ha hecho algo similar, me gustaría discutirlo...

He dejado este enfoque en suspenso por ahora, pero me parece prometedor...

He cambiado mi atención a cosas más simples, pensé que podría tratar de considerar los precios pasados de alguna otra manera, aunque no completamente, y comprimir la información de precios, estoy hablando de perfil de precios (o perfil de volumen), realmente se puede pensar en varios cientos de barras en un histograma, los que consideramos muchos precios pasados y comprimirlos al mismo tiempo... Soy un programador principiante y aún no puedo realizar el perfil, por eso tomé una forma sencilla, sólo tomé la distribución y la construí en la sección de precios, ¿qué no es un perfil de mercado? ;)

PRICE <- cumsum(rnorm(300))+1000
layout(1:2)
plot(PRICE,t="l",ylab = "цена" , xlab = "индексы",lwd=2)
Max <- max(PRICE)
Min <- min(PRICE)
range.vector <- seq(Min, Max, length.out=50)
H <- hist(PRICE, breaks = range.vector,
          xlab = "все цены которые есть в етом участке", 
          ylab = "сколько раз график был на одной и той же цене",col = 5)


de

Hay una especie de esperanza de que la red entienda esta distribución (perfil) mejor que el precio en bruto, porque este perfil puede decir que tiene en cuenta todas las operaciones que se produjeron mediante el cálculo del número de veces que el gráfico golpea un precio, y las operaciones son teóricamente de nivel ... Tenemos que comprobar... Ya está hecho :) gracias aD.trader por su ayuda en el análisis de la distribución

Tomé una porción de 200 valores de precios en la ventana deslizante, la escalé, la centré, luego la distribuí y la alimenté a la RF

salidas

H$breaks

H$counts

y los últimos 5 valores del corte del que hice la distribución, para que el algoritmo pueda orientarse en el último valor respecto a los valores de H$breaks y H$counts porque todos los precios ya han sido prorrateados

Gráfico de 5 minutos, objetivo, como siempre, los retrocesos

El resultado no es tan bueno... a veces la red no sabe qué hacer...

En

a veces entra muy bien, la calidad de las entradas es super

aa

Y lo que es interesante, no hay una venta dura de los nuevos datos

vvvv


no he ajustado nada, simplemente he entrenado el modelo y he comprobado el resultado

Si te interesa puedes intentar hacer algún entrenamiento con tus objetivos, quizás consigas algo útil juntos...

Gracias por el consejo ;)

 
Hay muchos problemas en este enfoque que son intratables o solucionables pero que no dan un buen aprendizaje.

Como mínimo, la no estacionariedad de la distribución del cociente bruto.
 
Alexey Burnakov:
Hay muchos problemas en este enfoque que son irresolubles o solucionables pero no dan un buen aprendizaje.

Como mínimo, la no estacionariedad de la distribución de cotierras en bruto.
Bueno, para no programar el perfil de mercado simplemente lo sustituí por una distribución, es decir, la distribución normal y sus propiedades no se consideran aquí o no entiendo el comentario? :)
 
mytarmailS:
Bueno, como que acabo de sustituir el perfil de mercado por una distribución, esas distribuciones normales y sus propiedades no se tienen en cuenta aquí, ¿o no entiendo el comentario? :)
No, no lo hiciste.

No debemos hacer 960, 970, ...
Pero llévalo a una forma estacionaria, por ejemplo, contando la diferencia del último precio. Sería -10, -5, 0, 5, ... 50. De lo contrario, tendrá una media en un segmento y otra completamente diferente en el otro. 900 en uno, 600 en el otro. Nada funcionará fuera de la muestra.
 
Alexey Burnakov:
No se entiende.

No es 960, 970, ...

960, 970, ... -- Si hubiera marcado los precios como -2 a 2 no estaría muy claro.

 
mytarmailS:

960, 970, ... -- Si hubiera mostrado los precios en el ejemplo de la imagen como -2 a 2 no habría quedado del todo claro.

Pero si no hay referencia al último precio, la máquina no entiende dónde está su media. Si se restan todos los precios del último precio, la media será cero y la posición de esta media con respecto al precio es fija.
 
Alexey Burnakov:
De acuerdo, pero si no hay referencia al último precio, la máquina no tiene claro dónde está su media. Si todos los precios se restan del último precio, la media será cero y la posición de esta media se fija en relación con el precio.
Hay un enlace:)

Resaltado en negrita azul en mi post

 
mytarmailS:
Hay una unión:)

Resaltado en negrita azul en mi post

Bueno, eso es genial. La idea es interesante en general.

Pero no hay suficiente información dinámica para completar la curva de aprendizaje. La máquina no entiende lo que fue antes y lo que fue después en esta asignación. Tenemos que añadir más entradas.
 
Alexey Burnakov:
Muy bien. Una idea interesante en general.

Pero no hay suficiente información dinámica para completar la curva de aprendizaje. La máquina no entiende lo que fue antes y lo que fue después en esta asignación. Tenemos que añadir más entradas.

¿Cómo se soluciona esto? ¿se alimenta no una tajada de la distribución, sino una serie de varias tajadas a la vez?

Tengo el modelo RF que en la imagen con los parámetros ntree = 20 , mtry = 5 .

Si pongo ntree =100 entonces el modelo no hace un solo trato con los nuevos datos, por lo que se vuelve a entrenar

=============================================

Tengo que averiguar cómo resolver el problema de conseguir que la red vea los gráficos pasados a los mismos precios

Esto es lo que la red ve ahora

dd

la zona azul es lo que ve la red, las barras azules representan la distribución de precios en esta zona y aunque la red ve muchos, 200 candeleros, no ve lo principal , esos gráficos que estaban antes a los mismos precios

L

Me parece que esta es la información clave

Y la red no sabe nada al respecto

 
mytarmailS:


Todavía tenemos que averiguar cómo resolver el problema de que la red vea los gráficos que estaban en el pasado a los mismos precios


Esto es un gran problema. Es algo casi imposible de resolver sin perjudicar el aprendizaje.

La cuestión aquí es que cuanto más se mira en el pasado, más dependientes son las observaciones vecinas.

Si se alimenta a la máquina con observaciones no especificadas, se pierde lo más importante: el requisito de independencia de las observaciones. Después, el aprendizaje será drásticamente inadecuado. Y las estadísticas no funcionan.

Y para evitarlo tendrá que adelgazar las observaciones de manera que el retardo de la mirada máxima hacia atrás sea menor o igual al paso de las observaciones de adelgazamiento. ¿Y esto a qué llevaría? Reducción de cien veces el tamaño de la muestra de entrenamiento.

Hay que llegar a un compromiso. Profundidad de la mirada frente al número de ejemplos de la muestra.