L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1106
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
Les petits qu'on appelle un plat, les gros qu'on appelle une tendance...
Mais là encore, la question est de savoir ce que sont les petits et les grands mouvements, par rapport à quoi sont-ils petits ou grands ?
En fait, cette question donne la réponse à la raison pour laquelle les systèmes paramétriques et les mo's parmi eux ne fonctionneront jamais sur des données de marché non traitées.
Il n'y a pas de définitions claires - où se trouve un plat, où se trouve une tendance, petite ou grande. Pour certaines applications, elles sont petites, pour d'autres, elles sont grandes.
Définissez ce qui est petit pour vous (votre système) et ce qui est grand dans une unité particulière, et tout se mettra immédiatement en place.
Bref, voilà le topo. J'ai commencé à utiliser le boosting parce qu'en plus de la précision et de la généralisation élevée de cet algorithme, la construction du modèle est plus claire. La méthode est également plus facile à mettre en place en raison du petit nombre de paramètres externes spécifiques. Le seul inconvénient est la charge mémoire lors du calcul et donc la taille du modèle augmente de plusieurs dizaines ou centaines de mégaoctets selon le nombre d'itérations. Après avoir comparé les méthodes de la forêt aléatoire et du réseau neuronal superficiel, je suis arrivé à la conclusion que le boosting est préférable pour les tâches de classification.
J'ai testé beaucoup de prédicteurs. Il s'agit principalement de séries chronologiques séquentielles construites à partir des indicateurs les plus divers et de leurs combinaisons. Je l'ai testé en mode multidevises (27 devises) en utilisant la méthode du programme, en tenant compte du spread réel (2 points). Délai - une heure. En sortie - une classe binaire, calculée en utilisant un signal en zigzag avec une profondeur de pas de 100 points. Presque tous les résultats sont négatifs. Si l'on exclut l'écart, le plus peut être important. En option, vous pouvez essayer de prendre une échelle de temps plus élevée.
J'ai réfléchi à la manière de développer davantage l'étude :
1. essayez un zigzag d'un autre type ou avec des paramètres différents sur la sortie.
2. utiliser des signaux de composantes cycliques extraits par la méthode de Fourier ou des filtres en ondelettes sur la sortie.
3. utiliser les valeurs indicatrices de la production réelle (régression). Par exemple, la différence de prix entre les chandeliers de clôture et d'ouverture, le changement de prix pour plusieurs barres à venir.
4. utiliser des données incohérentes comme prédicteurs, par exemple, des points ou des niveaux clés
5. filtrer l'échantillonnage initial par différents indicateurs (indicateurs Volumе ou ATR), c'est-à-dire s'entraîner uniquement à travailler dans certaines parties du marché.
Je serais heureux de recevoir vos suggestions et opinions.
J'attends que quelqu'un parvienne à un résultat à partir des nombreux mots intelligents exprimés dans ce fil, je n'ai personnellement pas besoin de code source ou d'algorithmes, mais du résultat de la MO sous la forme d'un signal figé ou de captures d'écran dans quelques jours. Mais jusqu'à présent, nous n'avons fait que parler, et sans aucune raison.
Pour ce qui est de l'aplatissement et du mouvement, en fait, l'IA trouvera le comportement probabiliste nécessaire à l'instant présent dans le processus d'apprentissage pour déterminer s'il s'agit d'un aplatissement ou d'un mouvement. Je ne vois donc pas l'intérêt d'écrire des algorithmes séparés pour déterminer l'appartement, c'est une activité inutile.
Si vous ne savez pas comment résoudre ce problème, vous n'obtiendrez pas de signaux ou de rapports financiers de leur part. N'y pensez même pas. Il n'y a et n'y aura que des paroles.
Quant au MO, ces méthodes n'ont rien à voir avec l'IA. Et les méthodes MO ne trouveront rien d'elles-mêmes, à moins que vous ne leur montriez et leur disiez ce qu'il faut chercher et où chercher. Sinon, ce sera comme dans une expression éculée : les déchets entrent - les déchets sortent, et rien de plus. Quoi qu'en disent les gourous maison, l'un des principaux problèmes de l'application MO est la préparation de données représentatives. Et toutes sortes de fractionnements à plat peuvent être nécessaires pour préparer de telles données, au lieu de tout injecter sans discernement à l'entrée du MO.
J'attends que quelqu'un soit capable de trouver une solution parmi les nombreuses personnes intelligentes.
Attendre, attendre....
Ouvrez déjà les yeux ))))
Voici un exemple de réseau neuronal sur les niveaux.
Rouge survente, vert surachat...
Regardez l'image principale, l'UE était surachetée et voici la réaction.
(Les prévisions sont en direct)
Attendre, attendre....
Ouvrez déjà les yeux))
Voici un exemple de réseau neuronal sur les niveaux.
Rouge survente, vert surachat...
Regardez l'image précédente, l'euro était suracheté et voici la réaction.
prévisions en direct).
Maintenant, traçons une ligne de régression et établissons un canal et tous ces niveaux coïncideront avec les limites du canal. Et le surachat/survente ne sera plus nécessaire.
Aucun véritable trader actif, sain d'esprit, ne vous montrera jamais de signaux ou de rapports financiers. Ne vous faites pas d'illusions. Il n'y a et n'y aura que des paroles.
Quant au MO, ces méthodes n'ont rien à voir avec l'IA. Et les méthodes MO ne trouveront rien d'elles-mêmes, à moins que vous ne leur montriez et leur disiez ce qu'il faut chercher et où chercher. Sinon, ce sera comme dans une expression éculée : les déchets entrent - les déchets sortent, et rien de plus. Quoi qu'en disent les gourous maison, l'un des principaux problèmes de l'application MO est la préparation de données représentatives. Et toutes sortes de fractionnements à tendance plate peuvent être nécessaires pour préparer de telles données, au lieu d'alimenter indistinctement l'entrée du MO.
en l'état
Maintenant, tracez une ligne de régression à travers tout cela et construisez un canal, et tous ces niveaux coïncideront avec les limites du canal. Et le surachat/survente ne sera plus nécessaire.
Expliquer
expliquer
Je vais essayer sur votre photo.
Je vais l'essayer sur votre photo.
S'il vous plaît, c'est le meilleur.
S'il vous plaît, c'est le meilleur moyen.
Voici en gros à quoi cela ressemblerait. La ligne de régression peut être remplacée par une longue EMA.
.