L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1062

 
Vizard_:

Nous étions amis avant.)

Il y a longtemps !!!!! Je m'intéresse maintenant à des questions de nature plus globale. D'importance mondiale.... DOMINATION OOHAHAHAHAHAHAHAHAHAHAHAHAHAHAHA !!!!!


Effrayant ?

[Supprimé]  
FxTrader562:

Ok, je pense que j'ai compris dans une certaine mesure. Avez-vous déjà implémenté le code MQL5 et testé ?

Mon principal problème est que je ne sais toujours pas très bien comment alimenter RDF avec des données de prix brutes autres que les valeurs d'indicateurs sans logique floue, sur la base de votre article précédent.

Si vous pouvez me dire comment alimenter des données de prix brutes sans utiliser la logique floue, ce serait génial. Je veux dire la fonction "CalculateMamdani()" sans logique floue. Sinon, je devrai attendre que vous publiiez votre prochain article.

oui, mais sans le gmdh... Je ne sais pas comment faire mieux.

double CalculateMamdani()
  {
   CopyBuffer(hnd1,0,0,1,arr1);
   NormalizeArrays(arr1);

   CopyBuffer(hnd2,0,0,1,arr2);
   NormalizeArrays(arr2);

   CopyBuffer(hnd3,0,0,1,arr3);
   NormalizeArrays(arr3);

   if(!random_policy)
     {
      vector[0]=arr1[0];
      vector[1]=arr2[0];
      vector[2]=arr3[0];

      CDForest::DFProcess(RDF,vector,RFout);
      updateNeutral.B(RFout[0]); res = RFout[0];

     }
   else
     {
      int unierr;
      updateNeutral.B(MathRandomUniform(0,1,unierr)); res = MathRandomUniform(0,1,unierr);
     }
   
   //Print(updateNeutral.B());
   firstTerm.SetAll(firstInput,arr1[0]);
   secondTerm.SetAll(secondInput,arr2[0]);
   thirdTerm.SetAll(thirdInput,arr3[0]);

   Inputs.Clear();
   Inputs.Add(firstTerm);
   Inputs.Add(secondTerm);
   Inputs.Add(thirdTerm);

   CList *FuzzResult=OurFuzzy.Calculate(Inputs);
   Output=FuzzResult.GetNodeAtIndex(0);
   double res=Output.Value();
   delete FuzzResult;

   return(res);
  }
Quelque chose comme ça... et supprimer toute la logique floue de l'EA
[Supprimé]  
Vizard_:

Pas question, je ne dormirai pas ce soir))))
Misha, archivez tout ce que vous avez et envoyez-le à Maksim. Laissez-le creuser.
Il y avait beaucoup d'implémentations, mais le nombre de neurones était multiplié par 2,
vous n'avez pas à le faire. Je racontais justement une des recherches des neurobiologistes...

Je ne cherche pas, je vais le trouver.

 
Maxim Dmitrievsky:

oui, mais sans le gmdh... Je ne suis pas sûr de savoir comment mieux le faire.

Quelque chose comme ça ... et supprimer toute la logique floue de l'EA

Merci beaucoup !

Vous êtes sûr de cette ligne ?

res = RFout [0];

Ou devrait-il l'être ?

res = RFout [1];

D'ailleurs, j'ai déjà essayé toutes les combinaisons de formules, de maths, de maths, de pow, etc., du dossier de journaux au dossier de mise à jour de cette politique et de mise à jour des fonctions de récompense, mais d'une manière ou d'une autre, cela donne des résultats aléatoires. Je veux dire que les résultats ne sont pas toujours fiables.

Mais je veux essayer l'algo de simulation de bougies aléatoires qui est utilisé comme dans "ALPHA ZERO". Êtes-vous sûr que RDF peut prendre des prix directs comme la fermeture de la bougie, l'ouverture de la bougie, etc pendant l'optimisation ?

 
Vizard_:

Pas question, je ne dormirai pas ce soir))))
Misha, archivez tout ce que vous avez et envoyez-le à Maxim. Laissez-le faire.
Il y avait beaucoup d'implémentations, mais le nombre de neurones était multiplié par 2,
vous n'avez pas à le faire. C'est ce que j'ai dit à une des recherches des neurobiologistes...

Il n'a aucune idée... Je vais le tourner moi-même. Il me faudra des années pour le faire :-) Mais je suis proche du noyau de l'optimiseur. Quoi qu'ils en disent, 2 à 4 modèles sur 10 sont généralisés, les autres ne le sont pas. Je sais que l'algorithme permet d'obtenir des modèles généralisés. La qualité de l'estimation devrait être améliorée et appliquée dans l'optimiseur lui-même pour que le pourcentage de modèles généralisés soit supérieur à 40%. Parce qu'il va chercher dans les modèles jusqu'à ce qu'il trouve un modèle généralisé. Ou bien il se contentera de modèles généralisés à la recherche du meilleur un...... Quelles sont les options d'évaluation de la généralisabilité que vous connaissez ????.

 
Maxim Dmitrievsky:

Nouvelle bibliothèque :

Exemple d'EA avec des prix proches :

Maintenant vous pouvez l'apprendre dans le testeur (pas l'optimisation) et seulement une itération.

Je l'ai copié et je l'ai supprimé. Plus tard, il sera dans l'article.

Merci beaucoup !!!!!!!!!!!

Copié... Mais il montre une erreur. Dois-je également inclure la bibliothèque mt5_r ?

[Supprimé]  
FxTrader562:

Merci beaucoup !!!!!!!!!!!

Copié... Mais il montre une erreur. Dois-je également inclure la bibliothèque mt5_r ?

mt5_r ? aucune bibliothèque de ce type

cette bibliothèque#include <RL blender 1 iteration.mqh>

doit être dans le dossier "include" de mt5

 
Maxim Dmitrievsky:

mt5_r ? aucune bibliothèque de ce type

Désolé... Oui, je l'ai. J'ai utilisé un nom différent pour le fichier include.

Je vais le tester et vous faire part des résultats.

Je suis surtout intéressé par la création de simulations de bougies aléatoires pour voir si RDF peut réellement apprendre des modèles de prix de bougies aléatoires.

[Supprimé]  
FxTrader562:

Désolé... Oui, je l'ai. J'ai utilisé un nom différent pour le fichier include.

Je vais le tester et vous faire part des résultats.

Je suis surtout intéressé par la création de simulations de bougies aléatoires pour voir si RDF peut réellement apprendre des modèles de prix de bougies aléatoires.

Ok, si des progrès sont faits avec gdmh je vous écrirai.

 
Maxim Dmitrievsky:

Ok, si je fais des progrès avec gdmh je vous écrirai.

Pour moi, GDMH ne semble pas très difficile à mettre en œuvre, si j'ai bien compris... Mais je vais y réfléchir à nouveau.

Vous calculez chaque polynôme en utilisant une boucle for et en obtenant la somme de la multiplication des entrées de coefficients et de valeurs indicatrices comme ai*xi.

2. ensuite, alimenter le polynôme individuel à l'entrée RDF et l'entraîner.

3.ensuite, calculer le coefficient optimal en utilisant la méthode des moindres carrés.

4. ensuite, itérer l'ensemble du processus de manière continue pendant la période de négociation.

Si j'ai bien compris et si je peux vous aider de quelque manière que ce soit, alors vous pouvez m'écrire.

A propos, j'ai de bons exemples de codes pour Lotoptimization() et money management() etc qui peuvent être très très utiles si vous pouvez obtenir la précision et le drawdown du système à un niveau raisonnable. Le système n'a pas besoin d'être précis à 99% tout le temps, mais le drawdown et les pertes consécutives comptent beaucoup.