L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1640

 
Igor Makanu:

Je ne veux pas revenir à Renko, j'ai déjà perdu du temps avec lui, non seulement il perd complètement les informations OHLC, mais en plus vous avez un décalage de deux hauteurs de briques Renko - il est très décalé.

Il en sera probablement de même pour ZigZag, mais je ne m'en suis pas occupé spécifiquement.

Parmi les OHLC, seul O est identifié sans ambiguïté dès l'arrivée du tick correspondant. En réalité, cependant, l'ouverture peut être manquée lorsqu'il y a un retard dans le traitement des ticks précédents.

Il n'y a pas de perfection dans le monde)

 
Aleksey Nikolayev:

Parmi les OHLC, seul O est identifié sans ambiguïté dès l'arrivée du tick correspondant. En réalité, cependant, l'ouverture peut être manquée lorsqu'il y a un retard dans le traitement des ticks précédents.

Il n'y a pas de perfection dans le monde)

Tout est très compliqué ici

De nombreux participants travaillent avec les prix d'ouverture et de clôture des bars, et il existe aussi bien des indicateurs triviaux que des modélisations et des manipulations complexes de ceux qui cotent les prix...

Les prix élevés et bas ont un sens lors de la création de canaux, de ZigZags et de ruptures de maximums (min) historiques, de l'analyse graphique, ainsi que des réglages et des modèles - tout cela a également un sens.

et ces méthodes de grand-père sont toujours utilisées dans le trading, je sais avec certitude que les américains utilisent activement l'analyse graphique - j'ai communiqué avec eux il y a plusieurs années..... Mais ils savent aussi que cela ne fonctionne pas )))).


Le problème vient généralement des acteurs du marché eux-mêmes - ils interfèrent constamment avec la série de prix idéale !

 
Aleksey Nikolayev:

Les fluctuations de volatilité de la session peuvent être éliminées en passant à un zigzag ou à un renko, n'est-ce pas ? Bien sûr, la structure temporelle naturelle en souffrira, mais il est possible d'introduire le temps normal comme un ensemble d'indicateurs pour chaque genou/brique.

Je me suis tourné vers le zigzag... Mais depuis le début du mois de mars, ils ne sont tout simplement pas comparables à ce qu'ils étaient avant le mois de mars. Si auparavant on pouvait construire un genou pendant une demi-heure ou une heure, on peut le faire en 5 minutes grâce à la haute volatilité avec les mêmes paramètres. Cela n'a donc aucun sens de s'entraîner sur les données avant mars. Tout est différent maintenant.

Nous devrions quand même penser à quelque chose d'universel pour la haute et la basse volatilité.
Peut-être quelque chose qui ressemble à une vague. Les vagues sont restées, elles sont juste devenues plus larges.

 

Je l'ai googlé, mais je vais quand même demander.

quels types de réseaux neuronaux peuvent être utilisés comme système de gestion d'objets ?

Au moins pour cet exemple : le NS devrait donner une réponse qui ouvrira un ordre dans la direction souhaitée et fixera la valeur du take et du stop loss, c'est-à-dire 3 paramètres de contrôle (buy/sell + tp + sl).

 
Igor Makanu:Quels types de réseaux neuronaux peuvent être utilisés comme systèmes de contrôle d'objets ?

FR : apprentissage par renforcement

https://github.com/EliteQuant/EliteQuant#quantitative-model

RU : apprentissage par renforcement

https://www.mql5.com/ru/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC

bien que si le jeu de paramètres est fixé, ainsi que ses valeurs, cela ressemble à une classification normale
 
Igor Makanu:

Je l'ai googlé, mais je vais quand même demander.

quels types de réseaux neuronaux peuvent être utilisés comme système de gestion d'objets ?

A titre d'exemple, NS devrait donner une réponse qui ouvrira un ordre dans la direction requise et fixera la valeur du take et du stop loss, c'est-à-dire 3 paramètres de contrôle (buy/sell + tp + sl).

Quel problème vous essayez de résoudre !
Voici le plan :
1. créer un réseau qui devine la direction du mouvement des prix à un moment donné.
2. si vous avez P.1, faites un filet qui devine la direction de manière dynamique, c'est-à-dire qu'il donne la direction et le moment où il est le plus sûr.
3. si vous avez obtenu le point 2, faites un filet qui devine la direction et la force du mouvement.
4. si vous avez obtenu le point 3, faites un filet qui devine la direction et la force + le temps du mouvement.

Après cela, passez à vos 3 paramètres.

 
...:

FR : apprentissage par renforcement

https://github.com/EliteQuant/EliteQuant#quantitative-model

RU : apprentissage par renforcement

https://www.mql5.com/ru/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC

bien que si le jeu de paramètres est fixe, ainsi que leurs valeurs, alors cela ressemble à une classification normale

formation avec le renforcement ne veulent plus, j'ai été obtenir une forme, plus efficace testeur GA aléatoire à utiliser, au moins l'avant passe le TS trouvé par la génétique mieux que la formation avec le renforcement


Merci pour le git, je vais y réfléchir.

Evgeny Dyuka:

Quelle tâche vous essayez de résoudre !
Voici le plan :
1. créer un réseau qui devine le sens de l'évolution des prix après un temps déterminé.
2) Si vous avez atteint l'étape 1, créez un réseau qui devine la direction de manière dynamique, c'est-à-dire qu'il donne la direction et le moment où il est le plus confiant.
3. si vous avez obtenu le point 2, faites un filet qui devine la direction et la force du mouvement.
4. si vous avez obtenu le point 3, faites un filet qui devine la direction et la force + le temps du mouvement.

Après cela, passez à vos 3 paramètres.

il s'agit d'un réseau RNN ou d'un perceptron multicouche conventionnel.


la tâche consiste simplement à contrôler l'objet - googlez neurocontrol, vous pouvez également lire la terminologie sur le wiki et la googler par la suite

 
Igor Makanu:


c'est un réseau RNN ou un perceptron multicouche conventionnel qui s'en charge.


le défi se situe juste au niveau de la gestion de l'objet - googlez neurocontrol, vous pouvez lire la terminologie sur le même wiki et aller plus loin dans la recherche.

Je ne suis pas un expert, mais à première vue, cette approche des marchés a peu de chances de donner quelque chose de plus que NARX. Et ce modèle semble toujours pouvoir être implémenté via RNN. Et la complétude de Turing du RNN contribue également à sa suffisance.

Article sur l'équivalence NARX et RNN.

Nonlinear autoregressive exogenous model - Wikipedia
  • en.wikipedia.org
past values of the same series; and current and past values of the driving (exogenous) series — that is, of the externally determined series that influences the series of interest. In addition, the model contains: which relates to the fact that knowledge of other terms will not enable the current value of the time series to be predicted...
 
Aleksey Nikolayev:

Je ne suis pas un expert, mais à première vue, cette approche des marchés a peu de chances de donner quelque chose de plus que NARX. Et ce modèle, semble-t-il, peut toujours être implémenté via RNN. Et la complétude du RNN par Turing contribue également à sa suffisance.

J'ai fait des recherches sur Internet, d'après mes observations, je devrais utiliser le réseau RBF.

OK, je vais demander plus précisément : il y a un portefeuille de TS primitifs qui sont testés à l'avance, chaque TS est limité dans le temps à un jour près et les TS peuvent se chevaucher dans le temps - vous avez besoin de"quelque chose qui va essayer de réexécuter le portefeuille" en fonction des données d'entrée - OHLC.

optimiser simplement un portefeuille par forçage brut dans la génétique du testeur .... mais je veux de l'intelligence)))

 
Igor Makanu:

J'ai fait des recherches sur Internet. D'après mes observations, je devrais utiliser un réseau RBF.

OK, je vais demander plus précisément : il y a un portefeuille de TS primitifs qui sont testés à l'avance, chaque TS est limité dans le temps dans un jour et les TS peuvent se chevaucher dans le temps - J'ai besoin de"quelque chose qui va essayer d'énumérer le portefeuille" en fonction des données d'entrée - OHLC

optimiser simplement un portefeuille par forçage brut dans la génétique du testeur .... mais je veux de l'intelligence ))))

La tâche ne semble pas tout à fait formalisée - l'ensemble des paramètres n'est pas clair. L'ensemble complet des systèmes est-il fini, dénombrable ou continu ? Le portefeuille a-t-il une taille fixe ? Le système est-il inclus dans le portefeuille avec des pondérations ou simplement oui/non ?