L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 782
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
Vous ne pouvez pas obtenir une grande quantité d'outils différents, vous serez coincé avec toutes sortes d'absurdités comme l'acf et beaucoup d'autres choses. En R, vous savez simplement que cela ne fonctionne pas, en MQL, vous ne le saurez pas, car vous n'avez pas les outils nécessaires.
Dans MQL, vous devez l'exécuter sur l'historique, dans R, ce sera difficile à faire. Là encore, les transactions peuvent être vues visuellement. Et la combinaison de R et MQL sera probablement très lente dans l'optimiseur ?
Dans MQL, vous devez l'exécuter sur l'historique, dans R, ce serait difficile à faire. Là encore, vous pouvez voir les échanges. Et la combinaison de R et MQL sera probablement très lente dans l'optimiseur ?
C'est un long chemin jusqu'à la course. Tout d'abord, nous devons choisir l'option, et il y en a beaucoup, et la chose la plus importante ici est la vitesse de mise en œuvre de l'idée. Précision, avoir un outil à portée de main...
Il y a une autre nuance : dans R, vous pouvez tester le modèle d'une manière qui est impossible dans µl. Ces tests donneront une justification théorique du comportement futur du TC. µl à la fin.
PS.
Les graphiques dans R sont beaucoup plus riches, vous pouvez l'utiliser à la place de µl, mais ça ne vaut pas la peine, pas à ce stade. Mais voir rapidement à quoi ressemble n'importe quel vecteur ou un ensemble de vecteurs superposés est un jeu d'enfant et très utile.
Chacun son truc et il n'y a pas lieu de les confondre.
Il y a un long chemin à parcourir avant la course. Pour commencer, vous devez choisir une option, et il y en a énormément, et le plus important ici est la rapidité avec laquelle vous pouvez mettre l'idée en œuvre. La prudence, avoir un outil à portée de main...
Il y a encore une nuance : dans R, il est possible de tester le modèle d'une manière qui est impossible dans µl. Ces tests donneront une justification théorique du comportement futur du TC. µl à la fin.
PS.
Les graphiques dans R sont beaucoup plus riches, vous pouvez l'utiliser à la place de µl, mais ça ne vaut pas la peine, pas à ce stade. Mais voir rapidement à quoi ressemble n'importe quel vecteur ou un ensemble de vecteurs superposés est un jeu d'enfant et très utile.
Chacun son truc et il n'y a pas lieu de les confondre.
Compte tenu de ce qui précède. Je me demande depuis longtemps s'il est possible de voir dans R, sur l'ensemble de l'historique, comment la prévision du même ARIMA s'est réalisée, de rechercher les meilleures périodes pour cela,
c'est-à-dire sélectionner les meilleurs paramètres comme dans MQL ? Ou au moins pour transférer ces données dans un fichier.
Je ne demande à personne d'écrire quelque chose à ma place, mais il me semble que je suis un excellent algorithmologue. Je me souviens qu'un de mes tuteurs m'a dit que dans les entreprises qui créent des logiciels, les algorithmes sont davantage valorisés, parce qu'ils inventent, alors que les programmeurs ne font que mettre en œuvre. En règle générale, si une personne s'y adonne, elle combine ces deux qualités. Par principe, je ne peux pas et ne veux pas le faire. Mais je suis un bon algorithmologue en ce sens que je peux lancer des idées sur un projet, dont 99 % seront rejetées par la suite. Mais vous n'avez besoin que d'une seule idée. :-)
Il s'agit maintenant de décider de l'utilité. Il doit être simple, mais il doit être aussi flexible que possible. Un grand nombre de caractéristiques et de fonctions.
Vous ne le croirez pas, toute ma vie j'ai travaillé exclusivement avec la classification, et je me suis ennuyé tout d'un coup. J'ai dû tout refaire 3 fois pendant la nuit, car l'erreur dans le calcul de l'écart (htcgtrnelibrarius) a entraîné de plus en plus, mais je peux déjà voir que ma nuit blanche n'a pas été vaine. Et maintenant ça devient un peu ennuyeux, et ce serait intéressant d'essayer quelque chose de nouveau.
Régression. Il y a, bien sûr, des différences tant dans l'approche que dans les possibilités des informations obtenues, MAIS les principes d'une méthode peuvent être interprétés dans l'autre. Ne pas faire d'erreurs grossières et cachées.
J'attends donc que vous soyez déterminé, car je ne vois que de nouveaux paquets de plus en plus nombreux, certains meilleurs et d'autres pires. Encore une fois, nous avons besoin de la plus flexible.
Doc, Sanych, Trickster, aussi, appelons. Une sorte d'escouade de combat. Je propose la méthode, vous l'implémentez. Mais nous avons besoin d'Assassins. Ici, je m'incline devant de telles personnes. L'exigence des décisions est parfois étonnante. Je l'ai rencontré pour la première fois dans le code de Reshetov, alors que je n'en étais qu'au début de ma compréhension des modèles et de leur agencement. Il y avait un fragment de code, que je ne comprenais pas à première vue, et lorsque je l'ai fait défiler dans ma tête étape par étape, j'ai été stupéfait de voir comment il avait fait. Je l'aurais écrit trois fois plus gros et il aurait été bancal, mais il était si simple et si précis. Il y avait un tel commerçant klot à l'époque. Il a dit un jour qu'il pouvait "le programmer à fond" et qu'il était vraiment bon. Un bon programmeur. Mais c'était il y a longtemps.
Quoi qu'il en soit, faites-moi savoir si vous êtes prêts à travailler en équipe et commençons. Ce sera intéressant. Classifik résout le problème de la régression. :-) CLASSIFIÉ HA HA. C'est hilarant. Comment je me suis appelé ? .... J'ai failli avoir l'estomac déchiré. ! !!!!
Compte tenu de ce qui précède. Je me demande depuis longtemps s'il est possible de voir dans R, sur l'ensemble de l'historique, comment une prévision du même ARIMA s'est réalisée, de parcourir les meilleures périodes pour celle-ci,
c.-à-d. pour sélectionner les meilleurs paramètres comme dans MQL ? Ou au moins réinitialiser ces données dans un fichier.
Dans MQL, il est très peu pratique de tester les modèles de régression en utilisant les moyennes standard, et ARIMA est juste un modèle de régression.
Les modèles de classification permettent d'obtenir une réponse dans plusieurs classes - par ex.
"-1" et "1", ou
"0" и "1",
"acheter" et "vendre",
"long" et "court",
etc.
Tout ceci peut facilement être ajouté à la logique de trading, regarder le graphique des bénéfices et l'évaluer avec un ratio de Sharpe par exemple.
Les modèles de régression ne donnent pas la direction du commerce, mais la prévision du prix lui-même. Et plus la prévision est proche du prix réel, mieux c'est. Dans l'EA MQL, il est bien sûr possible de trader sur le principe suivant : "si la prévision est supérieure au prix actuel, alors j'achète". Si la prévision est inférieure, cela signifie que je vends. Mais elle passera complètement à côté d'une mesure encore plus importante : à quel point la prévision est-elle proche du prix actuel ? Il peut y avoir deux modèles qui donnent la même direction de transaction, mais le second donnera des réponses plus proches du prix réel. En R, vous pouvez le voir immédiatement grâce à l'estimation de R2 et prendre le modèle correct. Et dans le testeur mql, ils seront identiques pour vous, c'est mauvais.
> Est-il possible de voir dans R, sur l'ensemble de l'historique, comment la prévision du même ARIMA s'est réalisée, de rechercher les meilleures périodes pour elle ?
Oui, par exemple, en sauvegardant l'historique des barres de mt5 dans un fichier csv, en l'important dans R, et là, en faisant glisser la fenêtre d'entraînement sur une certaine période et en la testant sur la suivante, et ainsi de suite en déplaçant cycliquement la fenêtre d'entraînement.
Je déplace la méthode que vous mettez en œuvre.
Merci pour l'offre, mais je vais passer mon tour. J'ai aussi une liste d'idées pour les décennies à venir.
Il est très peu pratique de tester les modèles de régression dans MQL par des moyens standard, alors que ARIMA est un modèle de régression.
Les modèles de classification donnent une réponse dans plusieurs classes - par exemple
"-1" et "1", ou
"0" и "1",
"acheter" et "vendre",
"long" et "court",
etc.
Tout ceci peut facilement être ajouté à la logique de trading, regarder le graphique des bénéfices et l'évaluer avec un ratio de Sharpe par exemple.
Les modèles de régression ne donnent pas la direction de la transaction, mais une prévision du prix lui-même. Et plus la prévision est proche du prix réel, mieux c'est. Dans l'EA MQL, il est bien sûr possible de trader sur le principe suivant : "si la prévision est supérieure au prix actuel, alors j'achète". Si la prévision est inférieure, cela signifie que je vends. Mais elle passera complètement à côté d'une mesure encore plus importante : à quel point la prévision est-elle proche du prix actuel ? Il peut y avoir deux modèles qui donnent la même direction de transaction, mais le second donnera des réponses plus proches du prix réel. En R, vous pouvez le voir immédiatement grâce à l'estimation de R2 et prendre le modèle correct. Et dans le testeur mql, ils seront identiques pour vous, c'est mauvais.
> Est-il possible de voir dans R, sur l'ensemble de l'historique, comment la prévision du même ARIMA s'est réalisée, de rechercher les meilleures périodes pour elle ?
Oui, par exemple, en sauvegardant l'historique des barres de mt5 dans un fichier csv, en l'important dans R, puis en utilisant une fenêtre glissante pour s'entraîner sur une section et le tester sur la suivante, et en déplaçant de façon cyclique la fenêtre d'entraînement.
Très bien Doc. La régression donne non seulement la direction du mouvement, mais aussi le degré de ce mouvement, contrairement à la classification, qui ne donne que la direction. N'est-ce pas un peu culotté de la part de la régression de connaître le futur qui n'est pas certain ????. La classification ne le permet pas......
Que répondez-vous à ma proposition ci-dessus ?
Publiquement, dans ce fil. Pas à pas. Je serai l'impresario et je ferai le ballet sur tes conseils, aussi. En d'autres termes, je vais aider mon ami et moi-même :-)
Merci pour l'offre, mais je vais refuser. J'ai moi aussi une liste d'idées pour les décennies à venir.
Vous ne bénéficiez pas de l'expérience d'un ingénieur en classification dans le sens de la régression.......
De moi des idées sur le niveau des algorithmes que vous appliquerez à vos modèles. Vos CTs et directions. Mais à une condition : ! !!!! Publication des résultats à chaque étape.....
Tout le monde est le bienvenu, mais seulement les programmeurs expérimentés qui ne posent pas de questions stupides : quel est le spread !!!! ? :-) Op.... encore drôle :-)
Régression. Il existe bien sûr des différences tant dans l'approche que dans la capacité des informations obtenues, MAIS les principes d'une méthode peuvent être interprétés dans l'autre. Ne pas faire d'erreurs grossières et cachées.
J'attends donc que vous soyez déterminé, car je ne vois que de nouveaux paquets de plus en plus nombreux, certains meilleurs et d'autres pires. Encore une fois, nous devons être aussi flexibles que possible.
Si je ne me trompe pas, la principale différence est que personne n'est jamais revenu de ceux qui sont allés dans les "paquets".
vous n'avez rien tant que vous n'avez pas une idée solide - tout ce que vous avez fait toutes ces années - rien.
parce que vous avez couru partout avec vos soi-disant bonnes fonctionnalités mais c'est juste le logiciel qui est bon, pas vos fonctionnalités...
les modèles existent dans le monde réel, pas dans le monde des paquets, alors cherchez-les, et si vous les trouvez, vous pouvez même les coder vous-même
mieux encore, oubliez-le