L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1611

 
Evgeny Dyuka:
Si par prédicteurs vous voulez dire fiches, alors je pense que ce ne sera pas équivalent dans le cas général, cela dépend de la façon dont vous divisez les fiches. Il est fort probable qu'en raison du manque de données, un modèle qui pourrait théoriquement être entraîné par 1000 personnes ne le sera pas par 100.
La raison pour laquelle nous devrions faire cela n'est pas évidente, les recherches sont sélectionnées sur la base de l'ensemble de données minimum requis par le modèle. Puisqu'il a été conçu à l'origine pour être minimal, comment pouvons-nous le diviser par la suite ?

Diviser pour réduire la dimensionnalité...

Comment connaître ce minimum suffisant de caractéristiques ? Il n'est pas possible de former une centaine de caractéristiques, mais que faire si nous avons besoin de 10 000 caractéristiques ?

Par exemple, pour décrire un trait complet avec deux chandeliers, nous devons créer 45 variables, et nous avons besoin de 105 variables avec trois chandeliers...

 
Alexander_K2:

Voici le premier que j'ai trouvé :


Il y avait d'autres messages similaires, mais je suis trop paresseux pour chercher...

Saber écrit toujours de telle manière qu'il faut une semaine pour comprendre ce qu'il veut dire, et ensuite il s'avère qu'il ne le pensait pas. Et lui-même, en fait, utilise la même stratégie sur un symbole (je n'en ai pas vu d'autre).

Alexander_K2:

Max, ne me fais pas peur en disant que tu as complètement quitté le forex... Ce serait très triste... Tout ne fait que commencer :))

Parfois, je fais de l'arbitrage ou des opérations à la main... Les réseaux neuronaux sont morts, ils ne veulent pas faire du commerce correctement.

 
mytarmailS:

Diviser pour réduire la dimensionnalité...

Comment connaître ce minimum suffisant de caractéristiques ? Il n'est pas possible de former une centaine de caractéristiques, mais que faire si nous avons besoin de 10 000 caractéristiques ?

Par exemple, pour décrire un trait complet avec deux chandeliers, nous devons créer 45 variables, et avec trois chandeliers, nous avons besoin de 105 variables...

Veuillez me donner plus de détails, comment obtenir 45 variables à partir de deux chandeliers ?

Je pense que c'est un peu trop, ou peut-être que j'y pense.

 
mytarmailS:

Diviser pour réduire la dimensionnalité...

Comment connaître ce minimum suffisant de caractéristiques ? Il n'est pas possible de former une centaine de caractéristiques, mais que faire si nous avons besoin de 10 000 caractéristiques ?

Par exemple, pour décrire un trait complet avec deux chandeliers, nous devons créer 45 variables, et avec trois chandeliers, nous avons besoin de 105 variables...

essayez https://colab.research.google.com/
Dans les paramètres, sélectionnez TPU, cela fonctionne assez rapidement, le seul inconvénient est qu'ils ne vous laissent pas l'utiliser pendant une longue période, ils passent à l'unité centrale normale, mais c'est aussi vivant, vous pouvez le charger pendant la nuit.
 
Aleksey Mavrin:

Pouvez-vous être plus précis sur la façon dont cela fait 45 variables sur deux bougies ?

Je pense que c'est un peu trop ou je suis en train d'y penser.

Nous avons deux vecteurs de variables, la bougie actuelle et la précédente ("-1")

a = " open ", " high ", " low ", " close ", " center ".

b = " open-1 ", " high-1 ", " low-1 ", " close-1 ", " center-1 ".

la variable "centre" est le milieu du chandelier (haut+bas)/2, sans cette variable il est impossible de décrire une figure comme "eskimo" etc. Je pense que la signification des autres variables n'est pas nécessaire à expliquer, elles sont évidentes.

Créons donc toutes les combinaisons logiques possibles (pas logiques non plus).

[1] "1"               "open   >   high"
[1] "2"              "open   >   low"
[1] "3"                "open   >   close"
[1] "4"                 "open   >   center"
[1] "5"                 "open   >   open-1"
[1] "6"                 "open   >   high-1"
[1] "7"                "open   >   low-1"
[1] "8"                  "open   >   close-1"
[1] "9"                   "open   >   center-1"
[1] "10"             "high   >   low"
[1] "11"               "high   >   close"
[1] "12"                "high   >   center"
[1] "13"                "high   >   open-1"
[1] "14"                "high   >   high-1"
[1] "15"               "high   >   low-1"
[1] "16"                 "high   >   close-1"
[1] "17"                  "high   >   center-1"
[1] "18"              "low   >   close"
[1] "19"               "low   >   center"
[1] "20"               "low   >   open-1"
[1] "21"               "low   >   high-1"
[1] "22"              "low   >   low-1"
[1] "23"                "low   >   close-1"
[1] "24"                 "low   >   center-1"
[1] "25"                 "close   >   center"
[1] "26"                 "close   >   open-1"
[1] "27"                 "close   >   high-1"
[1] "28"                "close   >   low-1"
[1] "29"                  "close   >   close-1"
[1] "30"                   "close   >   center-1"
[1] "31"                  "center   >   open-1"
[1] "32"                  "center   >   high-1"
[1] "33"                 "center   >   low-1"
[1] "34"                   "center   >   close-1"
[1] "35"                    "center   >   center-1"
[1] "36"                  "open-1   >   high-1"
[1] "37"                 "open-1   >   low-1"
[1] "38"                   "open-1   >   close-1"
[1] "39"                    "open-1   >   center-1"
[1] "40"                 "high-1   >   low-1"
[1] "41"                   "high-1   >   close-1"
[1] "42"                    "high-1   >   center-1"
[1] "43"                  "low-1   >   close-1"
[1] "44"                   "low-1   >   center-1"
[1] "45"                     "close-1   >   center-1"
Juste deux bougies, misérable deux bougies.....
 

La réponse la plus claire à la question de savoir pourquoi les ensembles de modèles sont plus performants que les modèles individuels faibles.

Une explication en termes de DSP (Digital Signal Processing) sur l'exemple du signal et du bruit, comment le bruit se supprime quand on l'additionne.

https://www.youtube.com/watch?v=wqD892r-wfo&list=PLmu_y3-DV2_kpP8oX_Uug0IbgH2T4hRPL&index=13

Je vous recommande de regarder toutes les séries de conférences, je vous garantis que vous deviendrez plus sage et aurez de nouvelles idées... Super conférences ! )

Основы ЦОС: 13. Виды шумов, отношение сигнал/шум (ссылка на скачивание скрипта в описании)
Основы ЦОС: 13. Виды шумов, отношение сигнал/шум (ссылка на скачивание скрипта в описании)
  • www.youtube.com
Этот ролик знакомит нас с основными характеристиками случайных процессов, такими как математическое ожидание, дисперсия, корреляционная функция и спектральна...
 
mytarmailS:

Nous avons deux vecteurs de variables, la bougie actuelle et la précédente ("-1")

a = " open ", " high ", " low ", " close ", " center ".

b = " open-1 ", " high-1 ", " low-1 ", " close-1 ", " center-1 ".

la variable "centre" est le milieu du chandelier (haut+bas)/2, sans cette variable il est impossible de décrire une figure comme "eskimo" etc. Je pense que la signification des autres variables n'est pas nécessaire à expliquer, elles sont évidentes.

Créons donc toutes les combinaisons logiques possibles (également non logiques).

Juste deux bougies, misérable deux bougies.....
Toutes ces combinaisons NS/les analyseront en interne. Seuls l'OHLC et le Center doivent être introduits dans l'entrée. Oui et le Centre sera défini en interne s'il est utile pour le résultat.
 

Wow))

 
mytarmailS:

Wow)))

pure martingale, c'est toujours comme ça avec lui ;))
 
mytarmailS:

Wow)))

Je fais ce genre de stratégie depuis six mois, le résultat maximum sur les backtests est de x5 pendant un an, mais une fois par an, ça va tout gâcher et il n'y a aucun moyen de résoudre ce problème.
Raison: