L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1621

 
Aleksey Vyazmikin:

La réalité peut ne pas être ce que nous imaginons - nous devrions essayer de reproduire les algorithmes de partitionnement de CatBoost et voir ce qui se passe réellement et dans quelle mesure c'est correct.

En ce qui concerne le caractère aléatoire - il y a un caractère aléatoire sur le choix du partitionnement de la grille de prédiction, comme pas le meilleur, mais aléatoire, si je comprends bien. Et il y a des algorithmes qui font que la pile est divisée de façon inégale par plages.

Je pense différemment. Chaque prédicteur est divisé par un point aléatoire, mais la meilleure division résultante est toujours choisie.

 
mytarmailS:

Je dirais que c'est pas mal, mais c'est frustrant.

Il fonctionne essentiellement comme un indicateur normal de surachat/survente.

Parfois c'est bien, parfois c'est mal, ça ne devrait pas être...

Avez-vous testé ce filet pour le commerce ? Mon expérience me dit que ça ne va pas rapporter d'argent...

A moins que vous ne mettiez un filtre sur la "certitude" du net

Je ne vais pas discuter de l'adéquation/inadéquation, j'ai accumulé quelques statistiques pendant la nuit + ajouté un filtre de "confiance". C'est à quoi ressemble la nuit avec le filtre réglé au maximum. Si vous mettez zéro, les lignes ne se briseront pas du tout, elles changeront seulement de côté.
Je vous le donnerai pour le tester dans un avenir proche.

 
Evgeny Dyuka:
Zone orange en haut - prédit un mouvement à la baisse, verte en bas - mouvement à la hausse, le niveau de confiance du neuronet est épais. Il ne fonctionne que sur BTCUSD M1 (pour l'instant).
C'est cool ? ))

Il ressemble à un indicateur de tendance normal ;))). À quelle fréquence le réentraînez-vous ?

 

Sur la base de cette image, la formation est extrêmement rare ou pas assez correcte, car sinon ces zones n'existaient tout simplement pas au moment où le système formé a été appliqué.

Il ne sera probablement pas une révélation pour quiconque que le testeur de stratégie en MT est essentiellement le système neuronal entraîné.
 
Farkhat Guzairov:

Il ressemble à un indicateur de tendance normal ;))). À quelle fréquence le réentraînez-vous ?

C'est seulement si vous le regardez de loin). En y regardant de plus près, on s'aperçoit que ce n'est pas si simple.
Je me suis entraîné une fois, c'est le premier essai. La zone d'entraînement jusqu'au 1er février environ, puis un ensemble de données de test jusqu'au 24 février.
Je devrais dire que ce neurone a été à peine construit, donc je suis surpris qu'il montre quelque chose du tout. J'ai une idée de ce qu'il faut faire à partir de maintenant.
 
Farkhat Guzairov:

Sur la base de cette image, la formation est extrêmement rare ou pas assez correcte, car sinon ces zones n'existaient tout simplement pas au moment où le système formé a été appliqué.

Personne ne sera surpris d'apprendre que le testeur de stratégie en TA est en fait le système nerveux entraîné.
Avez-vous des exemples de travail avec un apprentissage correct ? Je ne parle pas des réseaux neuronaux secrets qui rapportent des millions de dollars, tout le monde en a.) Mais ceux qui sont publics.
 
Evgeny Dyuka:
Si on le regarde de loin. En y regardant de plus près, on s'aperçoit que ce n'est pas si simple.
J'ai essayé une fois, c'était le premier essai. Zone d'apprentissage jusqu'au 1er février environ, puis un ensemble de données de test jusqu'au 24 février.
Je dois dire que ce neurone a été construit sur mes déchets, je suis donc surpris qu'il montre quoi que ce soit. J'ai une idée de ce qu'il faut faire à partir de maintenant.

Donc, en substance, vous n'avez pas encore développé un système pour trader dessus, jusqu'à présent vous ne voyez qu'un résultat de prédiction relativement acceptable, mais avez-vous essayé de trader et quelles règles appliquez vous ?

 
Farkhat Guzairov:

C'est-à-dire qu'en substance, vous n'avez pas encore développé de système (trading) sur ce produit, jusqu'à présent vous ne voyez qu'un résultat de prédiction relativement acceptable, mais avez-vous essayé le trading et quelles règles appliquez vous ?

Une bonne question.
Je ne pense pas à me transformer en métier, par principe. Dès que je commence à m'occuper de take/stop/backtest, mon cerveau se rétrécit et je commence à me battre avec des moulins à vent. Je fais un indicateur et le reste s'arrange tout seul.
 
Evgeny Dyuka:
Avez-vous des exemples concrets d'une formation appropriée ? Je ne parle pas des réseaux neuronaux secrets qui font des millions de profit, tout le monde en a). Je veux dire ceux qui sont publics.

J'ai.... Je tire des conclusions des backtests dans le testeur, quel résultat pensez-vous obtenir si votre système est entraîné correctement ? Près de 90% de résultats pour des entrées correctes. Auparavant, les mêmes backtests ne donnaient pas un tel résultat, ce qui me permet de conclure que la formation était correcte dans ce cas.

Essayez la même chose.

 
elibrarius:

Je pense différemment. Chaque prédicteur est divisé au hasard, mais la meilleure division résultante est toujours choisie.

Je suis allé voir leur aide, mais je ne la comprends pas - c'est très confus. Je vais essayer de retrouver ce point dans la vidéo plus tard, c'est plus clair là.

Mais j'ai vu que CB a ajouté de nouvelles options pour construire des arbres.

--grow-policy

La politique de culture des arbres. Définit la façon d'effectuer la construction d'un arbre gourmand.

Valeurs possibles :
  • SymmetricTree-Unarbre estconstruit niveau par niveau jusqu'à ce que la profondeur spécifiée soit atteinte. À chaque itération, toutes les feuilles du dernier niveau de l'arbre sont divisées avec la même condition. L'arborescence qui en résulte est toujours symétrique.
  • En profondeur- Un arbre est construit niveau par niveau jusqu'à ce que la profondeur spécifiée soit atteinte. À chaque itération, toutes les feuilles non terminales du dernier niveau de l'arbre sont divisées. Chaque feuille est divisée par condition avec la meilleure amélioration de la perte.

    Note. Les modèles avec cette politique de croissance ne peuvent pas être analysés en utilisant l' importance de la fonctionPredictionDiff et ne peuvent être exportés que versjson etcbm.
  • Lossguide- Un arbre est construit feuille par feuille jusqu'à ce que le nombre maximal de feuilles spécifié soit atteint. À chaque itération, la feuille non terminale présentant la meilleure amélioration de la perte est divisée.