L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 783
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
Comment faire fonctionner Rattle comme l'article https://www.mql5.com/ru/article s/1165 ?
Installé dans la console R(install.packages("rattle"))
Dans la console R, il n'y a que "load workspace" et dans l'article "File/Workspace ;".
Ou bien cela ne se fait pas sur la console R, mais sur un autre programme ?
Comment faire fonctionner Rattle comme l'article https://www.mql5.com/ru/article s/1165 ?
Installé dans la console R(install.packages("rattle"))
Dans la console R, il n'y a que "load workspace" et dans l'article "File/Workspace ;".
Ou bien ce n'est pas fait sur la console R là-bas, mais sur un autre prog ?
Et tout fonctionne.
library(rattle) rattle()Des coupures similaires (de face), nous ont été infligées à moi et à Doc (d'après ce que j'ai compris), comme cela a été dit.
C'était mieux quand j'essayais de m'en tenir à ça et ainsi de suite. -
https://en.wikipedia.org/wiki/Markov_decision_process
https://en.wikipedia.org/wiki/Partially_observable_Markov_decision_process
Je l'ai filé il y a longtemps, pas pour longtemps, juste pour l'intérêt.....
il y a aussi des MPPR partiellement observables, merci, je vais lire
J'ai 3 RSI sur l'entrée ici et c'est tout, je pense qu'il peut être amélioré par d'autres prédicteurs un peu volonté.
> Est-il possible de voir en R toute l'histoire, comment une prévision d'ARIMA s'est réalisée, de rechercher les meilleures périodes pour celle-ci ?
Oui, par exemple, en sauvegardant l'historique des barres de mt5 dans un fichier csv, en l'important dans R, puis en utilisant la fenêtre glissante pour s'entraîner sur un intervalle et le tester sur le suivant, et en déplaçant la fenêtre d'entraînement de manière cyclique.
Merci !
parmi ceux qui sont allés dans les "paquets", personne n'est jamais revenu (c'est assez ambigu)
tant que vous n'avez pas une idée solide, il n'y a rien... tout ce que vous avez fait toutes ces années n'est 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
ou mieux encore, l'oublier
Les mots ci-dessus ne sont pas vraiment clairs sur ce que je voulais dire, donc je vais probablement commencer dans l'ordre, et là où l'aide d'un expert est nécessaire dans R, c'est pour trouver ceux qui seront intéressés par mes déductions. En tout cas, le moment viendra où il faudra vérifier mes déclarations là-bas et voir si nous formons une équipe dans l'ensemble. C'est parti. Régression.
Vous ne le croirez pas, toute ma vie j'ai travaillé exclusivement avec la classification et d'une certaine manière je me suis ennuyé. J'ai dû tout refaire 3 fois pendant la nuit, car l'erreur dans le calcul de la déviation (htcgtrnelibrarius) a entraîné de plus en plus, mais il est déjà clair que la nuit blanche n'a pas été vaine. Et maintenant, c'est devenu quelque peu ennuyeux, mais il serait intéressant d'essayer quelque chose de nouveau.
Dans l'ancienne version, on alimentait essentiellement la MA à partir du delta cumulé, et non de la déviation. Si les résultats sont bons, le prédicteur est bon sous cette forme également. Ayant le delta cumulé de la MA et le delta cumulé lui-même - NS peut trouver l'analogue de la déviation lui-même, s'il le considère rentable.
Je pense que vous êtes frustré pour rien et que vous voulez passer à quelque chose de nouveau. Terminez votre développement, les résultats actuels sont très encourageants.
Dans l'ancienne version, on alimentait essentiellement la MA à partir du delta cumulé, et non de la déviation. Si les résultats sont bons, cela signifie que le prédicteur est bon dans cette forme. Ayant MA cum. delta et cum. delta lui-même - NS lui-même peut trouver l'analogue de la déviation, s'il le considère rentable.
Je pense que vous êtes frustré pour rien et que vous voulez passer à quelque chose de nouveau. Terminez votre développement, les résultats actuels sont très encourageants.
C'est ça le problème : le travail est terminé et tout à coup, ça devient ennuyeux. Hier, il n'y avait pas d'erreur et pour au moins 3-4 jours ouvrables supplémentaires, elle est toujours là. La question est de savoir ce qu'il faut faire pendant que le TS travaille en automatique, lorsque l'envie d'enquêter et le temps de le faire sont là.
J'ai mis à jour la java et tout s'est passé... Hourra... Alors, où en étions-nous ? ? ??? Ah oui.... régression... Définissons donc l'énoncé du problème et le choix des paramètres initiaux du CT.
Je vais essayer de faire une analogie avec les méthodes de classification, mais définissons d'abord les conditions.
La régression implique la prévision de la valeur d'un paramètre futur. Choisissons le changement de prix comme paramètre. Il suffit d'avoir une prévision pour une barre à l'avance, mais c'est ennuyeux. Posons le problème de la manière suivante :
Nous devons prévoir le changement de prix pour 10 barres à l'avance. Autrement dit, le résultat du modèle sera une valeur supérieure ou inférieure à zéro (sens du changement), ainsi que le degré de ce changement. C'est-à-dire, combien cela coûtera...
(Je vous rappelle que je ne fais que fixer l'orientation des travaux, si vous n'êtes pas d'accord avec la condition que je propose et que vous avez une ALTERNATIVE à celle-ci, parlez-en activement. Tout est négociable et corrigible).
Comme vous l'avez déjà deviné, il s'agit de la fonction cible de notre modèle. Commençons par le définir et le corriger. Sur la base de ce que nous avons dit ci-dessus, nous faisons ce qui suit.
Close[i]-Close[i+10] dans un premier temps, calculons la variation du prix actuel par rapport au prix d'il y a 10 barres.
Lead=Close[i-10]-Close[i] déplace maintenant notre fonction de 10 barres en arrière. Cette opération est possible UNIQUEMENT pour les fonctions cibles et ne peut pas être utilisée en trading réel. Par conséquent, je vais montrer ce que nous avons sur le graphique.
Le vert est Chenge, le bleu est Lead. L'indicateur principal regarde 10 barres en avant. Ça ressemble à ça :
Nous avons une fenêtre de prévision entre les deux lignes. Nous pouvons calculer le changement uniquement sur la dernière barre de cette fenêtre. C'est la ligne verte. Mais nous avons besoin de connaître cette valeur sur la première barre de cette fenêtre (juste à titre d'exemple), donc nous déplaçons le graphique en arrière comme une ligne bleue, où sur la première barre de la fenêtre nous demandons à notre réseau de nous donner la valeur qui est encore à venir. Alors nous pouvons en profiter.
Questions sur les changements apportés à la sélection des cibles ?????
À l'appui de cette approche, je dirai que de nombreuses recherches ont été menées il y a longtemps sur la cible de la régression et sont arrivées à la conclusion que plus la fonction est simple, mieux c'est. Toute augmentation de la complexité de la cible n'améliore pas du tout les performances du modèle - elle les détériore même. Nous partons de l'affirmation "Tout est simple dans le génie". Si le modèle fonctionne correctement, cette cible sera suffisante. Attendre les réactions et continuer...
Naturellement, l'objectif (ligne bleue) manquera la pointe de l'indicateur de 1 à 10 barres. C'est à l'IA de le faire remonter à 0 bar. Ce sera la prévision pour l'avenir.