L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 172
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
PS.
Pour les ardents défenseurs de MCL, je note que sans toutes ces actions et outils discutés dans ce fil, le testeur ne donne aucune raison de spéculer sur le comportement futur du système de trading. Le testeur dit : "Ce sont les résultats pour cette période de temps". C'est tout. Le testeur donne exactement un chiffre, par exemple, le facteur de profit qui est lié à une certaine période historique. Et vous ne pouvez obtenir des statistiques qu'en R. Et le testeur est la partie finale de la conception du modèle, mais ne remplace pas l'ensemble du processus de développement.
Foutaises et absurdités !
Le testeur donnera exactement cette quantité et ce qui a été demandé. Avez-vous demandé le facteur de profit ? - voici le facteur de profit. Si nous demandons quelque chose d'autre ou plusieurs, il y aura une réponse à cela aussi. Et les statistiques peuvent être obtenues en appelantTesterStatistics() dansOnTester(), et tout cela est disponible depuis très longtemps. D'autres statistiques peuvent être ajoutées si nécessaire.
Votre R ne sera pas non plus en mesure de répondre si vous n'avez rien ou ne savez pas quoi demander.
Par exemple, vous avez effectué une validation sur un échantillon retardé. Supposons que le modèle sur les données différées ait fusionné. Que faites-vous dans ce cas ? Si vous commencez à modifier à nouveau les paramètres pour passer la validation sur l'échantillon en attente, vous incluez essentiellement les données de l'échantillon en attente dans votre validation croisée, et la validation croisée devient également ajustée. Ceci peut être corrigé en ajoutant un nouvel échantillon différé. Et si le modèle échoue sur ce point aussi ? Devons-nous ajuster les paramètres pour passer le nouvel échantillonnage retardé aussi ? C'est une course sans fin.
Inclure un échantillon différé dans la validation croisée, et créer un nouvel échantillon différé n'est pas la solution, mais une boucle sans fin jusqu'à ce que vous ayez de la chance et que le modèle passe la validation différée. Vous pouvez alors vous arrêter, mais ce n'est pas une solution de forex, c'est juste la chance qui vous sourit, ce qui statistiquement serait une perte.
Donc la question est - disons que le modèle sur les données en attente a chuté. Que faites-vous dans un tel cas ?
Dr. Trader, je vais essayer de l'expliquer par une image. Ne vous inquiétez pas, il s'agit d'un problème complexe, mais il peut être résolu. Vous ne devriez pas faire ce que vous suggérez, sinon il y aura un cercle vicieux.
Et une dernière chose, je vais progressivement mettre un terme à l'activité de ce fil. Je commence à en avoir assez du forum. C'est mieux en privé et avec des exemples.
Donc :
Sélection de modèles pour la prédiction et le trading de séries temporelles bruitées
Pas à pas :
Apprendre le modèle - le modèle présente des caractéristiques granuleuses
Test d'un modèle - les modèles sont déjà nettement moins performants. Mais il existe des modèles qui fonctionnent bien.
C'est à ce moment-là que vous devez sélectionner les modèles. Vous et moi choisissons les modèles les plus performants dans le test (ils peuvent être des blocs de validation dans la validation croisée). Et il devient immédiatement clair que si nous choisissons un modèle par période, où sa caractéristique est déjà connue, nous faisons un choix optimiste.
Si nous avons une validation croisée (les données de différents modèles sont mélangées), nous ne pouvons pas en faire un comité sur le test (le test est mixte). Vous prenez plutôt les "meilleurs" modèles sélectionnés et les testez sur un échantillon différé. Qu'est-ce que nous attendons ? Puisque dans une application réelle, nous nous baserons sur les performances des modèles sur des blocs de validation croisée (ou sur un seul test, si nous ne voulons pas nous embêter avec la validation croisée), nous devons savoir si les meilleurs modèles sélectionnés montreront des performances similaires à l'avenir (sur l'échantillon différé 1). S'il y a une relation, elle est déjà très bonne. En substance, nous pouvons arrêter l'étude à ce stade et sélectionner les meilleurs modèles par validation croisée à l'avenir.
Mais si nous voulons quand même créer un comité, nous devons déterminer quels modèles choisir pour le comité. Nous le faisons sur l'échantillon retardé 1, mais pas seulement au hasard. Rappelons une fois de plus qu'en situation réelle, nous ne nous baserons que sur des données de test (les dernières données dont nous disposons). Nous allons donc inclure dans le comité, un par un, les modèles qui ont donné les meilleurs résultats dans le TEST. Nous maximisons la performance du comité sur l'échantillon retardé.
À ce stade, vous êtes soumis à un biais de sélection de modèles multiples, car nous évaluons le choix du comité sur des données dont la caractéristique est déjà connue.
L'échantillon final est nécessaire pour valider le comité.
Si lors de l'étape de validation des modèles sélectionnés (sur le test) sur l'échantillon retardé, nous constatons que les caractéristiques des modèles sont flottantes - c'est déjà fatal, car nous n'avons pas la possibilité de sélectionner le modèle sur le test. À cette étape, nous devons modifier quelque chose dans l'approche.
Si le comité assemblé s'effondre sur le dernier échantillon différé (il s'agit d'un test unique), c'est que le comité s'est adapté à l'échantillon précédent.
Répéter toute la procédure avec différents paramètres, en obtenant la maximisation du charact. sur les échantillons différés finaux est impossible, car il s'agirait également d'un choix optimiste des modèles.
Si même tout a bien fonctionné dans les échantillons différés (c'est-à-dire que nous avons minimisé le biais de sélection du modèle), il est généralement bon de répéter en boucle avec les mêmes paramètres toute la procédure et d'obtenir la distribution du travail du comité dans le dernier échantillon. Il est clair que chaque fois, nous avons besoin de données différentes (au moins partiellement). Et c'est déjà très cher...
N'oubliez pas ce schéma. Il conduit votre estimation du trading en temps réel à un absolu possible.
Tout cela est vrai, mais ce modèle est très barbu, tout le monde le connaît depuis longtemps, donc...
Et maintenant le classificateur le plus simple l'aurait trouvé, pour une série cette interprétation du prix, du volume et de l'OI n'est pas une donnée suffisante, il faut au moins un carnet d'ordres et un strip avec des directions de transaction, et dans le cas du forex, comme ces informations n'existent pas, il faut les prendre sur les marchés à terme liquides occidentaux.
Les personnes intelligentes, elles développent et entraînent des réseaux neuronaux, mais ne voient pas les choses simples. J'ai lu votre article et j'ai été assez surpris. Si j'ai bien compris, vous avez, grosso modo, trouvé toutes les baisses de prix de 0,2 % après un certain sommet, puis vous avez pris trois bougies proches de ce sommet et effectué quelques manipulations avec leurs prix pour finalement les réduire à une certaine probabilité à l'aide d'un réseau neuronal. Mais excusez-moi, ne pensez-vous pas qu'une telle approche est trop primitive ? :) Vous creusez dans tous les mauvais endroits. C'est pourquoi le résultat est à l'opposé de la réalité. Je caractériserais votre approche de la manière suivante : vous essayez de prendre 3 pixels d'une image FullHD et de vous faire une idée de l'image entière sur la base de ces trois pixels. D'accord, pas toute l'image, mais quelle est la probabilité de prédire correctement au moins 10% de la surface de l'image ? J'espère que mon exemple est clair. Il n'est pas nécessaire de regarder les pixels pour voir l'image. En d'autres termes, vous n'avez pas besoin de regarder les barres individuelles pour comprendre le graphique, vous devez regarder l'ensemble du graphique . Et la solution du problème relève davantage de la géométrie que de l'algèbre, de la physique ou de la biologie, par exemple. Cependant, lorsque je lis certaines des recherches effectuées ici, j'ai le sentiment qu'elles tentent de comprendre la structure humaine à l'aide de la géographie. :)
+1
Je ne dirais même pas "graphique", mais les graphiques ne sont pas seulement des prix, mais...
L'analogie entre 3 pixels et la HD est, à mon avis, très pertinente pour ce que font la plupart des gens ici.
Andrey Dik:
Ou même quelqu'un dira : "Tu ne sais pas cuisiner le MO !" - Probablement oui, je ne peux pas. Mais qui sait comment ? Qui a été capable d'utiliser le MO sur le marché ?
N'avez-vous jamais pensé que si nous alimentions les filets avec les modèles qui seront dans le futur ? La question est de savoir comment les trouver. Quels jours dois-je choisir pour apprendre au réseau à savoir qu'ils seront le jour même ? Voici la réponse. Nous sélectionnons les jours qui présentaient respectivement le volume et l'OM actuels, dans l'espoir que le contexte de la journée soit similaire à celui des jours de l'échantillon d'entraînement. Je n'envoie pas les valeurs de volume et d'OI à l'entrée du réseau, je choisis seulement ces jours, et l'entrée est AD, Zscore, Kelli, etc. En d'autres termes, l'idée est de sélectionner un tel ensemble de modèles sur la base de l'historique et de la réaction du marché à ces modèles, comme à l'heure actuelle. S'il existe des théories sur ce type de sélection utilisant d'autres techniques, j'aimerais les connaître.....
C'est exactement comme ça que ça se passe, comment faire autrement ? Dans le cas trivial, l'ensemble de données d'apprentissage est une séquence vectorielle d'incréments normalisés de prix de volume et d'OI, appelons vectorSet[][] un réseau neuronal ou un autre classificateur entrée =vectorSet [t][], apprentissage sortie = vectorSet [t+1][]
Si je comprends bien la question...
La question est de savoir comment choisir exactement cet ensemble de motifs qui seront au cours de la prochaine journée ou semaine de négociation ?????.