L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2737
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
Soit vous avez un écureuil, soit vous avez la folie des grandeurs.
En tant que générateur d'idées : peut-être que ce n'est pas une cotation ou une couleur de barre qui devrait être déterminée ? mais par exemple quelque chose de moins bruyant et à moitié connu, et non pas un événement unique.
Par exemple, la position de la LWMA 20 dans 7 barres ? ? les mathématiques simples peuvent être utilisées pour déterminer approximativement où elle se trouvera, et si les méthodes ML/NN parviennent à réduire cette zone, il ne reste plus qu'à mettre au point un algorithme de trading qui fera des bénéfices.
Il est vrai que nous devons prendre en compte le vecteur du mouvement des prix dans le futur, et nous essayons de le prédire, bien qu'avec un degré de discrétisation différent. Mais je suis intéressé par la résolution d'un problème encore plus simple - déterminer le prix du muving si le prix se déplace vers son croisement, idéalement même calculer le point de croisement.
Malheureusement, je ne sais pas comment créer des modèles de régression ou des modèles de multiclassification en MQL, et sans cela, je n'ai aucune raison de commencer à résoudre le problème dans des packages d'autres langages. Cependant, j'ai une telle tâche, donc je suis prêt à la résoudre avec quelqu'un d'intéressé, y compris par le calcul.
Oui, je ne comprends pas non plus ce que vous voulez faire et comment vous voulez le faire, comment définir ce que vous voulez faire ?
Je suis d'avis que tout cela est inutile, et que plus l'échantillon est grand, mieux c'est, mais je suis prêt à le tester, et pour ce faire, nous avons besoin d'un outil approprié. Un outil qui détermine les zones optimales pour l'entraînement d'un modèle, d'abord sur l'historique, puis nous verrons si nous pouvons le faire sans regarder vers l'avenir.
Le fait est que nous devons prendre en compte le vecteur du mouvement des prix dans le futur, et nous essayons de le prédire, bien qu'avec un degré de discrétisation différent. Mais je suis intéressé par la résolution d'un problème encore plus simple - déterminer le prix du muving, si le prix va se déplacer vers son croisement, idéalement même calculer le point de croisement.
Malheureusement, je ne sais pas comment créer des modèles de régression ou des modèles de multiclassification en MQL, et sans cela, je n'ai aucune raison de commencer à résoudre le problème dans des packages d'autres langages. Cependant, j'ai une telle tâche, donc je suis prêt à la résoudre avec quelqu'un d'intéressé, y compris par le calcul.
Si le prix se déplace vers la SMA et que nous avons besoin de croisements, le problème est exactement le même (peut-être même plus compliqué en raison de la nécessité de croisements, malgré la direction connue à l'avance).
Sachant que la pente de la dSMA est égale à (prix[N]-prix[0])/N et connaissant les caractéristiques statistiques de la cotation (nombre de ticks, nombre de ticks traduits en points pour un temps donné), vous pouvez construire des champs de probabilité "dans le futur" - voici le champ du prix, voici le champ de la sma, voici_là_le_prix_rencontrera_la_SMA.
Mais il s'agira d'une solution statistique-analytique qui ne vous permettra pas de gagner de l'argent. Il faut alors restreindre ces champs de la même manière via ML/NN et ensuite trouver un algorithme qui permette d'en tirer de l'argent :-)
Si le prix évolue vers la SMA et que nous avons besoin de croisements, la tâche est exactement la même (peut-être même plus difficile en raison de la nécessité de croisements, malgré la direction connue).
Sachant que la pente de dSMA=(prix[N]-prix[0])/N et les caractéristiques statistiques de la cotation (nombre de ticks, nombre de ticks traduits en points pour un temps donné), nous pouvons construire des champs de probabilité "dans le futur" - voici le champ du prix, voici le champ de la sma, voici_là_le_prix_rencontrera_la_SMA.
Mais il s'agira d'une solution statistique-analytique qui ne vous permettra pas de gagner de l'argent. Il faut alors restreindre ces champs de la même manière via ML/NN et ensuite trouver un algorithme qui permette d'en tirer de l'argent :-)
Je sais comment gagner de l'argent - en négociant sur le canal et en attendant une correction. Et le reste - oui, c'est à cela que sert la multiclassification ou la régression. En fait, il faut construire un modèle de barres probables, puis calculer le modèle.
Eh bien, si vous n'analysez pas seulement les séries chronologiques, alors bien sûr. Mais les séries temporelles ne sont pas les seules à pouvoir être analysées par tout le monde, c'est pourquoi j'ai opté pour la représentation évidente du marché sous la forme d'une série de prix en tant qu'objet de recherche par les méthodes de MO.
La discrétisation est nécessaire à l'analyse, sans laquelle il n'y a pas de moyen. En général, une série temporelle est une discrétisation à intervalles de temps égaux. Mais vous pouvez le faire d'une autre manière - renko ou zigzags, par exemple.
Selon moi, la source de la discrétisation est un TS de base stupide, que nous essayons ensuite d'améliorer à l'aide de filtres issus de nos modèles. Par exemple, le TS initial "acheter en début d'heure et vendre en fin d'heure" ou "ouvrir à la formation du genou d'un zigzag dans sa direction et fermer à la formation du suivant", et le TS final sur la base de certains indicateurs-prédicteurs rejette certaines entrées.
Vous considérez le fait de jouer avec différentes méthodes de discrétisation comme un jeu inutile et il y a une certaine raison à cela, mais il y aura toujours des personnes qui ne seront pas d'accord avec vous. C'est une autre raison pour laquelle une discussion constructive sur des points précis est impossible dans ce fil de discussion.
La discrétisation est nécessaire à l'analyse, sans laquelle il n'y a pas de solution. En général, une série chronologique est une discrétisation à intervalles réguliers. Mais vous pouvez le faire d'une autre manière - renko ou zigzags, par exemple.
Selon moi, la source de la discrétisation est un TS de base stupide, que nous essayons ensuite d'améliorer à l'aide de filtres issus de nos modèles. Par exemple, le TS initial "acheter en début d'heure et vendre en fin d'heure" ou "ouvrir à la formation du genou d'un zigzag dans sa direction et fermer à la formation du suivant", et le TS final sur la base de certains indicateurs-prédicteurs rejette certaines entrées.
Vous considérez le fait de jouer avec différentes méthodes de discrétisation comme un jeu inutile et il y a une certaine raison à cela, mais il y aura toujours des personnes qui ne seront pas d'accord avec vous. C'est une raison de plus pour laquelle une discussion constructive sur des points précis est impossible dans ce fil de discussion.
Vous considérez le fait de jouer avec différentes méthodes d'échantillonnage comme un jeu inutile, et il y a une certaine raison à cela, mais il y aura toujours des personnes qui ne seront pas d'accord avec vous. C'est une raison de plus pour laquelle il est impossible d'avoir une discussion constructive dans le fil de discussion, quelle qu'en soit la spécificité.