L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3185

Nouveau commentaire
 
mytarmailS #:

Connaissez-vous les algorithmes de réduction de la dimensionnalité ? les algorithmes de compression ?

Oui.

Voici dans quelle mesure votre randomisation simule le processus réel du marché...

Oui.

Et voici un critère/une fonction d'ajustement pour créer une simulation correcte d'une série.

Malheureusement, les paramètres d'entrée de la randomisation à optimiser ne sont pas clairs.

 
fxsaber #:

Il existe plusieurs hypothèses.

J'ai comparé la caractéristique "profit potentiel maximum". Je n'ai pas constaté de différences significatives.

 
fxsaber #:

J'ai comparé la caractéristique "profit potentiel maximal". Je n'ai pas constaté de différences significatives.

Est-ce que c'est le cas si vous procédez par à-coups ? Et si vous suivez une tendance ? Comparez d'un retournement à l'autre.
 
Forester #:

Montant1 - Montant2 correspond plutôt à la volatilité. Le caractère tendanciel est le fait d'en additionner un grand nombre. Dans les données réelles, les tendances sont une, dans les données aléatoires (jusqu'à environ through1), les tendances ressemblent plus à des valeurs aberrantes aléatoires en raison d'une volatilité accrue. Je suppose que leur amplitude est beaucoup plus faible que celle des données réelles.

UPD : Je n'avais pas vu que vous aviez mis ~ à la place de -.

A propos de ~. Leur enthousiasme approximatif ne signifie rien d'autre que cela, un mélange bien réel, moyenné sur 1.

Je considère une tendance comme un déplacement de la moyenne par incréments par rapport à zéro.

Mais c'est une question de goût, je suppose.

par(mar=c(2,2,2,2),mfrow=c(2,1))

mn_trend <- c(rep(-0.5,100),rep(0.5,100))
rn <- rnorm(200)
cbind(rn , mn_trend) |> matplot(t="l", lty=1, col=c(8,2),main="random and mean")

rn_trend <- rn + mn_trend
rn_trend |> cumsum() |> plot(t="l",main = "cumulative sum rn + mn_trend")
 

Forester #:
Это если по-тиково?

Oui.

Et si vous suivez une tendance ? De retournement en retournement, comparez.

J'ai commencé à changer la taille (dans la limite du raisonnable pour le scalping) du genou minimum ZZ et j'observe la somme des genoux.

Le symbole aléatoire a un tel profit potentiel plus élevé que le symbole original. En d'autres termes, le symbole aléatoire est potentiellement plus rentable.

Si le bénéfice potentiel était inférieur à celui du symbole original, cela pourrait en quelque sorte expliquer l'échec du scalping. Mais ici, c'est la situation inverse.


ZЫ En général, s'il est intéressant d'essayer de trouver des différences entre les deux séries, elles peuvent être fournies.

 
fxsaber #:

Oui.

Vous devez donc savoir qu'en analyse spectrale, par exemple, avec une centaine d'harmoniques, vous pouvez décrire une série de 10 000 valeurs avec une assez bonne précision....

prendre 10 000 valeurs ---> obtenir ---+ la même chose mais avec 100 valeurs.

Il est absurde que 100 valeurs puissent décrire la série originale de millions de valeurs ! Ilsemble que ce soit un outil pour les théoriciens, mais pas pour les praticiens.

Et vous dites que c'est absurde, bizarre....

fxsaber #:

Malheureusement, les paramètres d'entrée de la randomisation à optimiser ne sont pas clairs.

Tout ce que j'écris ici n'est que pure fantaisie, alors regardez d'un œil critique....


Vous pouvez essayer de créer à partir des mêmes harmoniques une série sur laquelle votre TS fonctionnera...

Les paramètres de l'optimiseur sont une combinaison d'harmoniques,

La fonction d'aptitude est la qualité de la performance du CT sur ces données synthétiques.

 
fxsaber #:

Un symbole aléatoire a un potentiel de gain supérieur à celui du symbole original.

C'est bizarre.

Donc ça passe le test de Monte Carlo. S'il y a des bénéfices sur les vrais symboles et pas sur les symboles mélangés.

 
mytarmailS #:

Sachez alors qu'en analyse spectrale, par exemple, une centaine d'harmoniques peut décrire une série de 10 000 valeurs avec une assez bonne précision...

prendre 10 000 valeurs ---> obtenir -+ la même chose mais avec 100 valeurs.

Et vous dites que c'est absurde, c'est étrange...

Parce que ça n'a rien à voir avec le cvr. Le mp3 et le jpg même à très faible débit sont reconnaissables par le neurone. Mais l'alpha sous forme de scalping est perdu même si le "bitrate" est maintenu.

 
fxsaber #:

Parce que cela n'a rien à voir avec le cvr. Le mp3 et le jpg sont reconnaissables par le neurone même à très faible débit. Mais l'alpha sous forme de scalp est perdu même si le "bitrate" est préservé.

Ce ne sont que des nombres et des conversions, que voulez-vous dire, cela n'a rien à voir avec le cvr ? ce ne sont que des nombres....

C'est comme dire qu'une photo de chiens n'a rien à voir avec une photo de chatons... parce que les chatons ne sont pas des chiens...

Et qu'est-ce que le bitrate ?

 
Forester #:

Il passe donc le test de Monte Carlo. Si les vrais sont rentables et les mixtes ne le sont pas.

Si ce test est considéré comme un signe clair de différence entre les séries réelles et les séries aléatoires - oui, 100% passe.

Mon "monte carte" consiste à créer un grand nombre d'historiques de scalping. Et sur ces historiques, d'identifier les vulnérabilités du TC. Pour l'instant, il n'y a bêtement pas assez de longueur d'historique pour de telles vérifications. C'est pourquoi nous avons besoin d'une génération adéquate.


L'idée de la génération semblait même magnifique, je n'ai jamais rien vu de tel. Mais il s'est avéré qu'elle ne convenait pas à mes objectifs.

Mais le test de Monte Carlo, lui, passe haut la main. Mais il s'agit là d'un effet secondaire, qui n'a que peu d'importance.

1...317831793180318131823183318431853186318731883189319031913192...3399
Nouveau commentaire
Raison: