Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 407
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Por último, se calculó el modelo y se añadió al existente. La rentabilidad ha aumentado hasta el punto de no tener precedentes, en la misma zona fuera de la muestra la rentabilidad es del 12,65
Sin embargo, parece que no es una carga pequeña en el depósito, pero es soportable. He optimizado el ejemplo del primer post, pero no voy a forzar la máquina si no calcula rápidamente. Aunque no hay muchas columnas, pero son muchas líneas, así que veamos...
aquí está el informe. El ratio de operaciones es bastante interesante, pero el drawdown es un poco alto.... es cuestión de gustos...
Por último, se calculó el modelo y se añadió al existente. La rentabilidad ha aumentado hasta el punto de no tener precedentes, en la misma zona fuera de la muestra la rentabilidad es del 12,65
Sin embargo, parece que no es una carga pequeña en el depósito, pero es soportable. He optimizado el ejemplo del primer post, pero no voy a forzar la máquina si no calcula rápidamente. Aunque tengo pocas columnas allí, tiene demasiadas líneas, así que vamos a ver cómo va...
Intenta exprimir más ofertas para estimar el resultado... Cuantos más sean, más rápido se entenderá en el comercio real cuándo debe reentrenarse el modelo. Por ejemplo, ahora mi estimación es la siguiente - en los resultados de las pruebas la serie de pérdidas máximas es de 2 operaciones, y si hay 4 pérdidas consecutivas en una operación real el modelo debe ser reentrenado. Una media de 400/60 = 6-7 operaciones al día, es decir, en un solo día podemos entender si merece la pena volver a formarse.
Tengo hasta ahora, 400 operaciones en 3 meses, 15 minutos marco de tiempo. Tengo una muestra de entrenamiento de 1 mes (en el centro), a la derecha y a la izquierda hay un mes fuera de muestra. Lote especialmente levantado para la belleza. Saldo inicial $ 1000 :) Todavía no he hecho un reentrenamiento automático para toda la historia, debería portar J-predictor para eso o usar otra red neuronal, porque los pesos son elegidos a través del optimizador ahora.
Y se puede ver que el 90% de las operaciones son rentables, pero la media de las operaciones perdedoras es mayor, porque el stoploss medio es mayor que el take profit medio. La serie máxima rentable tiene 33 ganancias en sucesión, contra sólo 2 operaciones perdedoras en sucesión, pero el beneficio total de 33 operaciones es sólo 4 veces más que la pérdida total de 2 operaciones (el stop loss debe ser acortado). No ganar más dinero en febrero con estos ajustes.
Si no calcula el ejemplo del primer post hasta la noche, lo eliminaré. Además, el problema en sí no tiene sentido ni interés práctico. No quiero competir con el ordenador durante veinticuatro horas sólo por diversión. Recurso después de todo...
¿Se le controlará en el sitio de validación o de prueba? Si calcula sobre un archivo completo, puede comprobarlo en el archivo de validación desde el puesto https://www.mql5.com/ru/forum/86386/page4#comment_2530392.
He experimentado un poco con la RNN y parece que sólo recuerda los ejemplos de entrenamiento (importante junto con los predictores de ruido) y en los nuevos datos los predictores de ruido estropean el resultado. Es decir, la RNN es propensa al sobreaprendizaje. Al menos para los problemas lógicos donde 0 y 1.
Pero es posible que las medias entre 0 y 1 interpolen bastante bien.
¿Vas a tener la validación en la sección de validación o en la de test? Si cuentas con el archivo completo, puedes comprobarlo en el archivo de validación del post https://www.mql5.com/ru/forum/86386/page4#comment_2530392
He experimentado un poco con RNN y parece que sólo recuerda los ejemplos de entrenamiento (importante en conjunción con los predictores de ruido), y en los nuevos datos los predictores de ruido estropean el resultado. Es decir, la RNN es propensa al sobreentrenamiento. Al menos para problemas lógicos donde 0 y 1.
Pero es posible que interpolará medias entre 0 y 1 bastante bien.
He ejecutado todo el archivo, veremos el resultado del entrenamiento, luego subiré el modelo aquí, y podréis comprobar su validación..... Esto es lo que hay...
¿Vas a comprobar la validación o la parcela de prueba? Si cuenta con un archivo completo, puede consultar el archivo de validación desde el puesto https://www.mql5.com/ru/forum/86386/page4#comment_2530392
He experimentado un poco con la RNN y parece que sólo recuerda los ejemplos de entrenamiento (importante junto con los predictores de ruido) y en los nuevos datos los predictores de ruido estropean el resultado. Es decir, la RNN es propensa al sobreaprendizaje. Al menos para los problemas lógicos donde 0 y 1.
Pero es posible que las medias entre 0 y 1 interpolen bastante bien.
¿A qué llamas sobreentrenamiento? y ¿cómo determinas qué predictores son ruido y cuáles no? ¿Por qué cree que los predictores ruidosos estropean el resultado y los importantes no han dejado de funcionar? Apenas hay predictores importantes en el mercado que funcionen para siempre.
La RNN en general debe ser manejada de una manera específica - hacer una serie estacionaria y tomar señales de los extremos, esperando una inversión
porque toda formación es un ajuste, aunque con un sentido no lineal de algún tipo...
¿Ha comparado el rendimiento de diferentes modelos de MO, por qué se detiene en los árboles de decisión? A mí es el que menos errores me da, ya lo escribí más arriba.
Los árboles, al igual que otros MOs tienen ventajas y desventajas, y me detuve en este método para el problema del primer post, por el principio de suficiencia razonable, es preciso y rápido tanto en el código resultante, como en la generación recursiva.
Aunque, para no trollear en este hilo, parece, que debería haber hecho un bosque enorme con algunos árboles bootstrap o de mejora infinita con algo de boosting, y describir y describir cada paso...)
Intentando hacerte entrar en razón a ti y a otros que se han desviado.
Las decisiones las toma el hombre, no los árboles, déjate de tonterías.
Un hombre tiene que evaluar la situación y comprender el entorno en el que viven él y su familia.
El mundo se está desarrollando muy rápido en estos días, y el entorno de la información, un gran campo en el que se puede encontrar cualquiera.
Simplemente estás cortando parte de tu visión estratégica y perdiendo de vista lo que está pasando, lo que te pone, como protector masculino, en un riesgo innecesario.