L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1201
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
Tout cela est gâché par la non-stationnarité, qui peut être à la fois brutale et rampante.
Cela peut être résolu en sélectionnant les poids optimaux... par exemple comment faire varier la postériorité... de l'uniforme à l'exponentiel
Si vous parlez de moi, je vous ai montré les courbes de l'échantillon de test et de l'échantillon d'examen - je ne regarde même pas l'échantillon d'étude...
Je dis que vous pouvez les regarder et les admirer, ou vous pouvez les mettre en circulation.
Vous disposez déjà d'un Prior et d'un Posterior ; il suffit de les mettre à jour avec les poids... C'est simple et efficace.
comme dirait Alexander ... préparez vos bagages
Vous les regardez toujours pour quelque chose. Je veux dire, vous pouvez les regarder et les lécher, ou vous pouvez les mettre en circulation.
Je ne me lèche pas les yeux, mais j'apprends - j'ai creusé avec les métriques - je les sens. J'ai déjà forgé environ 200 prédicteurs (de nombreux prédicteurs sont exprimés en 10 colonnes), qui caractérisent le modèle :)
Dans la soirée, les modèles seront prêts, et j'essaierai d'apprendre à prédire les modèles non clairs :)
Je regarde un graphique du profit en fonction du nombre d'arbres dans un modèle (512 modèles).
et il semble que les modèles avec plus d'arbres de plus de 60 ans sont moins susceptibles de perdre des arbres ou l'échantillon est petit...
Je regarde un graphique du profit en fonction du nombre d'arbres dans un modèle (512 modèles).
et il semble que les modèles avec plus d'arbres de plus de 60 ans sont moins susceptibles de perdre du terrain ou l'échantillon est petit...
Comment faites-vous pour construire un tel nombre de modèles à la main... comme dans la ligue TC, vous aussi...
Idéalement, ils devraient être effectués par GA ou par force brute complète. J'ai écrit comment dans un nouvel article, qui n'a pas encore été publié. Tout par mql moyenscomment faites-vous pour construire manuellement un tel nombre de modèles... dans la ligue CU ou dans la vôtre...
J'utiliserais GA ou la force brute complète. J'ai écrit un nouvel article sur le sujet, qui n'a pas encore été publié. Tout cela au moyen de mql.Pourquoi à la main ? Ketbustu a fait un batcny avec cycle pour générer des modèles selon les paramètres, le fichier de configuration pour les paramètres du modèle est généré par un script dans MT5. Les résultats sont traités par un autre script dans MT5 et j'obtiens en sortie un fichier récapitulatif avec les caractéristiques des modèles.
Si je pouvais aussi automatiser le dessin des graphiques et leur sauvegarde, ce serait bien.Pourquoi manuellement ? Catbustu a réalisé un fichier batch avec un cycle pour générer des modèles en fonction des paramètres, le fichier des paramètres du modèle est généré par un script dans MT5. Les résultats sont également traités dans MT5 par un autre script et la sortie est un fichier de synthèse avec les caractéristiques des modèles.
Si je pouvais aussi automatiser le dessin des graphiques et leur sauvegarde, ce serait bien.ah cool, cool, levele)
ah ben cool, cool, niveau )
Merci.
Ici, j'ai décidé de réfléchir à la question de l'automatisation de l'ajustement des probabilités pour la classification 0 et 1, j'ai fait un calcul d'équilibre par incréments de 0,1 et j'ai été horrifié par le résultat sur l'échantillon de test
les mêmes modèles sur l'échantillon de test
Il s'avère que mon échantillon de test est très favorable à la stratégie sans conditions supplémentaires pour le MO, ce qui empêche apparemment l'apprentissage (l'apprentissage a lieu sur l'échantillon d'entraînement, et la sélection du modèle a lieu sur l'échantillon de test), qu'en pensez-vous ?
Merci.
Ici, j'ai décidé de réfléchir à la question de l'automatisation de l'ajustement des probabilités pour décomposer la classification en 0 et 1, j'ai fait un calcul d'équilibre par incréments de 0,1 et j'ai été horrifié par le résultat sur l'échantillon de test
les mêmes modèles sur l'échantillon de test
Il s'avère que mon échantillon de test est très favorable à la stratégie sans conditions supplémentaires de MO, ce qui empêche apparemment l'apprentissage (l'apprentissage se fait sur l'échantillon d'entraînement, et la sélection du modèle se fait sur l'échantillon de test), qu'en pensez-vous ?
Je ne comprends pas vraiment ce qu'il y a dans les photos et l'essence du problème.
J'ai fait beaucoup de variantes de modèles moi-même et maintenant j'essaie de savoir laquelle choisir pour le suivi :D ou pour l'améliorer davantage.
en bref... les approches actuelles ne transmettent pas correctement les transactions à la sortie, qu'il s'agisse de zigzags ou d'autres absurdités.
car pour chaque dimension de la fenêtre glissante, il devrait y avoir une distribution différente à partir de laquelle les transactions sont effectuées. Ensuite, le modèle s'ajuste mieux, y compris à l'échantillon test. (alors que les sorties en zigzag ou autres sont très déterministes en elles-mêmes, il y a peu de degrés de liberté pour l'ajustement) La dernière consiste à le faire et c'est tout, c'est-à-dire que l'énumération des sorties est plus complète, et alors il n'y a vraiment rien d'autre à faire là.
pour les entrées avec différents décalages, à l'ancienne, avec auto-sélection via importans et peut-être via PCA pour se débarrasser de la corrélation, de telles variantes de bots également faites. Mais en général, l'utilisation de l'ACP est une idée erronée (bien que, là encore, le contraire soit écrit sur Internet). Non seulement les échantillons doivent être centrés, mais sur les nouvelles données, ces composants se transforment lentement en scories.
Tout cela donne quelque chose comme ça, à peu près sans histoires, il suffit d'attendre 10 minutes :
la possibilité d'une amélioration supplémentaire semble douteuse lorsque le modèle est déjà à plus de 100% du train.
peut-être qu'avec un bon morceau de graphique/instrument tu peux en tirer un peu plus.