L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 123
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
1. je n'ai toujours pas de réponse, comment le modèle est-il construit/défini/détecté ? - Je réalise que la question est probablement trop intime, vous n'êtes pas obligé de répondre.
Les modèles sont des échantillons d'un échantillon de formation. C'est-à-dire qu'il s'agit d'une ligne dans l'échantillon : plusieurs valeurs des prédicteurs et au moins une valeur de la variable dépendante.
Pourquoi mytarmailS appelle des modèles, c'est-à-dire ce qui résulte de l'apprentissage automatique, n'est pas clair ?
2. Les demi-tours ne sont même pas une réponse trop "difficile", mais relèvent généralement de la catégorie "je ne sais pas d'où et je ne sais pas quoi". Il y a un renversement sur la prochaine bougie, non ? - un de plus ? - Non, c'est faux ! - Peut-être que sur la quatrième bougie il y aura un renversement ? - Oui, il s'est inversé, il est passé à 150 points et s'est retourné, mais non, ce n'était pas un renversement mais une correction, bien que ce soit un renversement néanmoins... Il n'y a aucune façon de définir le mot "pivot" ! - Et il n'y a donc aucun moyen de les enseigner, non seulement à l'avance, mais même au moment présent.
Quant aux renversements potentiels, il existe des indicateurs qui peuvent marquer des points sur le graphique pour eux (le plus souvent à l'aide de flèches). L'exemple le plus simple est celui des fractales de B. Williams. Les fractales de Williams, qui sont connues pour se redessiner. Dans ce cas, nous pouvons essayer de prédire, disons, à l'aide d'un classificateur, si une fractale est vraie ou fausse, et si elle va se retourner (fausse) ou rester sur le graphique (vraie). Il est évident que si vous prédisez correctement la vraie fractale et que vous entrez sur le marché en fonction du signal, et que vous sortez à la fractale suivante, vous pouvez faire des bénéfices. Ou de perdre de l'argent si la prévision s'avère fausse, mais de sortir du marché sans attendre la prochaine fractale, minimisant ainsi les pertes potentielles. Je travaille actuellement sur ce sujet.
Mihail Marchukajtes des habitants de ce fil est spécialisé dans la classification des points de retournement par l'indicateur tdsequenta.
Un autre habitant de ce fil, SanSanych Fomenko, tente de prédire le renversement de ZigZag.
Les autres tentent surtout de prédire la couleur de la bougie en suivant le modèle classé.
Un autre résident ici, SanSanych Fomenko, essaie de prédire les inversions de ZigZag.
Si je regarde les autres, j'essaie généralement de prévoir la couleur du chandelier qui suit le modèle que j'ai classé.
Je n'ai pas essayé de prédire les renversements de ZZ. Il y a de nombreuses raisons à cela. Je prédis l'affiliation de l'épaule de ZZ. Je n'aime pas cette variable cible, mais une erreur de moins de 30% me convient, car cette prédiction n'est qu'une partie de la CT.
Si j'ai le temps, j'essaierai certainement de prévoir le retournement de la ZZ avec quelques ajustements qui ont été faits sur ce fil.
1. Les modèles sont des exemples d'un échantillon de formation. C'est-à-dire qu'il s'agit d'une ligne dans l'échantillon : plusieurs valeurs des prédicteurs et au moins une valeur de la variable dépendante.
2. Pourquoi mytarmailS appelle des modèles, c'est-à-dire ce qui ressort de l'apprentissage automatique, n'est pas tout à fait clair ?
3. quant aux renversements potentiels, il existe des indicateurs qui peuvent marquer des points sur le graphique à cet effet (le plus souvent avec des flèches). L'exemple le plus simple est celui des fractales de B. Williams. Les fractales de Williams, qui sont connues pour se redessiner. Dans ce cas, nous pouvons essayer de prédire, disons, à l'aide d'un classificateur, si une fractale est vraie ou fausse, et elle restera sur le graphique (vraie). Il est évident que si vous prédisez correctement la vraie fractale et que vous entrez sur le marché en fonction du signal, et que vous sortez à la fractale suivante, vous pouvez faire des bénéfices. Ou de perdre de l'argent si la prévision s'avère fausse, mais de sortir du marché sans attendre la prochaine fractale, minimisant ainsi les pertes potentielles. Je travaille actuellement sur ce sujet.
4. Parmi les habitants de ce sujet, Mihail Marchukajtes est spécialisé dans la classification des points de pivot selon l'indicateur tdsequenta.
5. Un autre habitant de ce fil, SanSanych Fomenko, tente de prédire les points de retournement de ZigZag.
6. Les autres habitants essaient généralement de prédire la couleur de la bougie qui suit le modèle.
1. Qu'est-ce qu'un motif - je comprends, mais je ne sais pas ce qu'il est mesuré parmytarmailS(quels sont exactement les indicateurs ou quoi d'autre), c'est pourquoi j'ai demandé (pour essayer de m'aider à déterminer les causes des problèmes avec le motif).
2. Oui, ce n'est pas clair.
3, 4, 5 Tous les outils qui nous permettent de détecter un renversement redessinent ou le font avec un décalage, et avec un décalage variable. Je ne veux pas me concentrer sur les inversions, mais je peux vous dire avec une certitude absolue qu'il n'est pas raisonnable (et c'est un euphémisme) de détecter les inversions. L'approche décrite ci-dessous est beaucoup plus correcte en termes de fiabilité de la détection et de simplicité de la description(vous pouvez l'essayer dans le sujet analysé). Si une fractale est détectée avec un retard de 2-3 bougies, cela signifie une incertitude qui doit être évitée par tous les moyens disponibles dans le trading.
6. La couleur est 50/50. Quel que soit l'horizon choisi, il n'est absolument pas prometteur.
ZS.
Essayons donc de comprendre ce qui est indéterminé dans les cotations du marché et ce qui peut être représenté comme une réponse claire et "douce" pour un réseau, un arbre, un TS classique sur les indicateurs ou tout ce que nous voulons utiliser pour le trading. Le fait est qu'après avoir répondu à ces questions, il devient possible de créer des systèmes rentables non seulement sur les grilles et autres méthodes de MO, mais aussi sur les indicateurs classiques. Je comprends que quelqu'un puisse dire "donnez-moi des rapports, moniteur ! - Je ne le ferai pas, essayez vous-même, pensez par vous-même.
Essayons donc de comprendre ce qui est indéfini dans les cotations du marché et ce qui peut être représenté comme une réponse claire et en même temps "douce" pour la grille, l'arbre, le TS classique sur les indicateurs, ou tout ce que nous voulons utiliser pour le trading. Le fait est qu'après avoir répondu à ces questions, il devient possible de créer des systèmes rentables non seulement sur les grilles et autres méthodes de MO, mais aussi sur les indicateurs classiques. Je comprends que quelqu'un puisse dire "donnez-moi des rapports, moniteur ! - Je ne le ferai pas, essayez vous-même, pensez par vous-mêmes.
Il s'agit d'une branche de l'apprentissage automatique et il n'y a aucun problème de redécoupage décrit par vous en principe, car rien n'est redécoupé dans l'histoire.
L'objectif de l'apprentissage automatique est de trouver les combinaisons de prédicteurs sur l'historique qui détermineraient l'une des classes de la variable cible. Si l'on parle de forêts aléatoires, il ne s'agit pas de plus de 300 arbres (généralement 50 à 100) qui peuvent être obtenus sur un échantillon de 5000 barres au maximum. En outre, l'augmentation de l'échantillon n'augmente pas le nombre d'arbres, c'est-à-dire que les types d'arbres - les "modèles" - sont terminés pour un ensemble donné de prédicteurs et de variables cibles.
Le principal problème réside dans le surentraînement, où dans les échantillons futurs, les arbres disponibles ne prédisent pas correctement la classe, ou plutôt prédisent la classe de plus en plus mal. C'est exactement cette question qui est étudiée dans cette branche : nous essayons de prouver que les arbres obtenus se produiront dans le futur et que l'erreur de classification sur les échantillons futurs sera approximativement la même que sur l'échantillon d'entraînement.
Ce fil de discussion porte sur l'apprentissage automatique et il n'y a aucun problème de redécoupage, car rien n'est redécoupé dans l'histoire.
L'objectif de l'apprentissage automatique est de trouver les combinaisons de prédicteurs sur l'historique qui détermineraient l'une des classes de la variable cible. Si l'on parle de forêts aléatoires, il ne s'agit pas de plus de 300 arbres (généralement 50 à 100) qui peuvent être obtenus sur un échantillon de 5000 barres au maximum. En outre, l'augmentation de l'échantillon n'augmente pas le nombre d'arbres, c'est-à-dire que les types d'arbres - les "modèles" - sont terminés pour un ensemble donné de prédicteurs et de variables cibles.
Le principal problème réside dans le surentraînement, où dans les échantillons futurs, les arbres disponibles ne prédisent pas correctement la classe, ou plutôt prédisent la classe de plus en plus mal. C'est la question abordée dans ce fil de discussion, à savoir essayer de prouver que les arbres résultants se produiront dans le futur et que l'erreur de classification sur les échantillons futurs sera à peu près la même que sur l'échantillon d'entraînement.
Eh bien, c'est à peu près ce que je pensais. Je m'attendais à une réaction similaire.
Yury Reshetov, si vous êtes intéressé, écrivez-moi dans un message personnel, je vous le dirai.
1. je n'ai toujours pas de réponse, comment le modèle est-il construit/défini/détecté ? - Je me rends compte que cette question est probablement trop intime, ne prenez pas la peine d'y répondre.
J'essaie beaucoup de choses, combinaisons de chandeliers + combinaisons de niveaux, regroupement de prix, ssa + regroupement, indicateurs avec périodes adaptatives, Fourier, j'ai une idée pour décrire les vagues d'Elliot d'une manière formelle, et quelques idées pour les prévisions de foule, mais je ne sais pas comment les mettre en œuvre, elles sont toutes trop compliquées.
Les modèles sont des exemples tirés d'un échantillon de formation. C'est-à-dire qu'il s'agit d'une chaîne de caractères dans un échantillon : plusieurs valeurs de prédicteurs et au moins une valeur de la variable dépendante.
Pourquoi mytarmailS appelle des modèles, c'est-à-dire ce qui résulte de l'apprentissage automatique, n'est pas tout à fait clair ?
Je ne savais pas que ça s'appelait un motif, je vais garder ça en tête, merci.
Un autre habitant de cette région, SanSanych Fomenko, essaie de prédire les renversements de situation par ZigZag.
En fait, je m'occupe des inversions ZZ.
Je ne veux pas me concentrer sur les revirements, mais je peux dire avec une certitude absolue qu'il n'est pas raisonnable (c'est un euphémisme) de déterminer les revirements. Bien plus correcte, tant en termes de précision de détection que de simplicité de description, est l'approche que je vais décrire ci-dessous(vous pouvez l'essayer dans le sujet étudié)
Allez-y, je l'attends avec impatience, et je serais également intéressé d'entendre le raisonnement qui explique pourquoi les inversions en zigzag ne sont pas des as ?
Eh bien, c'est à peu près ce que je pensais. Je m'attendais à une réaction similaire.
Yury Reshetov, si vous êtes intéressé, écrivez-moi et je vous le dirai.
Eh bien, c'est à peu près ce que je pensais. Je m'attendais à une réaction similaire.
Ne faites pas attention à lui. San Sanych peut devenir un peu arrogant dans ses tentatives d'imposer des règles du jeu personnelles et de "vérité finale". Le fait est qu'en matière d'apprentissage automatique, il n'y a pas d'ambiguïté et qu'il y a beaucoup de problèmes qui ne sont pas entièrement développés sur le sujet de l'application des boîtes noires. C'est pourquoi elles sont appelées "boîtes noires", car elles ne sont pas évidentes.
Le but de ce fil est de discuter de tout ce qui a trait à l'apprentissage automatique, que cela corresponde à la vision du monde de chacun ou que cela la contredise. Il y a autant d'opinions qu'il y a de personnes, et il n'y a pas de différence de goût ou de couleur.
S'il y a une quelconque confusion au sujet de ML, discutez-en ici - personne ne vous en voudra.
Les marins qui n'ont pas de questions et ceux qui ont une idée précise de l'endroit où creuser et ne souhaitent que mesurer les pips, peuvent se rendre dans une branche : Machine learning : theory and practice (commerce uniquement ; accès réservé à ceux qui ont un état).
Andrey Dik:
Yury Reshetov, si vous êtes intéressé, écrivez-moi dans un message personnel et je vous en parlerai.
La méthode est la suivante (tout ce qui suit s'applique de la même manière à ML et à TS classique).
L'objectif est d'éliminer l'incertitude, c'est-à-dire de se débarrasser de l'ajustement dans la formation et l'optimisation d'une part, et d'autre part de formuler sans ambiguïté des exigences "douces" pour le système. Le TP et le SL à l'entrée sont également une incertitude, c'est pourquoi nous ne les utilisons que pour les sorties d'urgence (cela dépend de la volatilité de l'instrument et nous les sélectionnons de manière empirique, de sorte que 100% des transactions déclenchent des stops aussi rarement que possible, idéalement jamais. Prévoir l'ensemble de la transaction, de l'entrée à la sortie. Nous considérons que le résultat avec un bénéfice excluant le spread et les commissions est une transaction réussie (le fonctionnement du système est déterminé après avoir vérifié si le spread et les commissions sont couverts). Dès que le signal d'entrée est reçu, le système entre et attend un certain nombre de barres (déterminé empiriquement et dépendant des prédicteurs et de l'instrument). - Conclure l'affaire, si elle est perdante, on attend une barre de plus. Parfois, j'utilise deux paramètres : minimum et maximum (si une transaction n'est pas clôturée après le nombre maximum de barres - elle est clôturée de toute façon), et parfois je n'en utilise qu'un seul - le nombre minimum de barres.
Beaucoup de gens seront surpris, mais de nombreux systèmes, même ceux qui semblaient désespérés, commencent à fonctionner, y compris les TS sur les baguettes, sans parler de toutes sortes de systèmes avec ML. L'astuce consiste à ne pas exiger de vous et de la machine des règles de CT en béton, à ne pas essayer de décrire entièrement les mouvements du marché et à donner ces règles très "douces" pour le ML. En outre, nous nous débarrassons du mauvais héritage du marché des queues lourdes (ou plus précisément, les queues cessent d'avoir de l'importance), le manque de stationnarité dans la BP cesse d'avoir de l'importance - parce que nous savons que les formes du marché peuvent être mises à l'échelle verticalement et horizontalement sans changer leurs propriétés internes (et cela rend la vie extrêmement difficile pour les émetteurs).
J'ai écrit à ce sujet sur le 4ème forum, je pense dans le fil de discussion Swinosaurs, sur deux types de tous les TS (avec des frontières définies et indéfinies), mais l'idée n'a pas été complétée là. Maintenant, tout est plus clairement visible, ou du moins...
En général, j'utilise ma règle lors du développement de systèmes de trading : si les changements de logique conduisent à augmenter la part de variantes réussies des paramètres parmi toutes les variantes possibles, alors c'est un bon changement (la probabilité de choisir une mauvaise variante pour le trading est réduite, peu importe comment nous changeons les paramètres - nous serons du côté positif). Cette approche a permis d'augmenter considérablement cette part dans mon TS.
La méthode est la suivante (tout ce qui suit s'applique de la même manière à ML et à TS classique).
L'objectif est d'éliminer l'incertitude, c'est-à-dire de se débarrasser de l'ajustement dans la formation et l'optimisation d'une part, et d'autre part de formuler sans ambiguïté des exigences "douces" pour le système. Le TP et le SL à l'entrée sont également une incertitude, c'est pourquoi nous ne les utilisons que pour les sorties d'urgence (cela dépend de la volatilité de l'instrument et nous les sélectionnons de manière empirique, de sorte que 100% des transactions déclenchent des stops aussi rarement que possible, idéalement jamais. Prévoir l'ensemble de la transaction, de l'entrée à la sortie. Nous considérons que le résultat avec un bénéfice excluant le spread et les commissions est une transaction réussie (le fonctionnement du système est déterminé après avoir vérifié si le spread et les commissions sont couverts). Dès que le signal d'entrée est reçu, le système entre et attend un certain nombre de barres (déterminé empiriquement et dépendant des prédicteurs et de l'instrument). - Conclure l'affaire, si elle est perdante, on attend une barre de plus. Parfois, j'utilise deux paramètres : le minimum et le maximum (si une transaction n'est pas fermée après le nombre maximum de barres - elle se ferme quand même), et parfois je n'en utilise qu'un seul - le nombre minimum de barres.
Beaucoup de gens seront surpris, mais de nombreux systèmes, même ceux qui semblaient désespérés, commencent à fonctionner, y compris les TS sur les baguettes, sans parler de toutes sortes de systèmes avec ML. L'astuce consiste à ne pas exiger de vous et de la machine des règles de CT en béton, à ne pas essayer de décrire entièrement les mouvements du marché et à donner ces règles très "douces" pour le ML. En outre, nous nous débarrassons du mauvais héritage du marché sous la forme de queues lourdes (ou plus précisément, les queues cessent d'avoir de l'importance), l'absence de stationnarité dans la BP cesse d'avoir de l'importance - parce que nous savons que les formes de marché peuvent être mises à l'échelle verticalement et horizontalement sans changer leurs propriétés internes (et cela rend la vie incroyablement difficile pour les émules).
J'ai écrit à ce sujet sur le 4ème forum, je pense dans le fil de discussion Swinosaurs, sur deux types de tous les TS (avec des frontières définies et indéfinies), mais l'idée n'a pas été complétée là. Maintenant, tout est plus clairement visible, ou du moins...
En général, j'utilise ma règle lors du développement de systèmes de trading : si les changements de logique conduisent à augmenter la part de variantes réussies des paramètres parmi toutes les variantes possibles, alors c'est un bon changement (la probabilité de choisir une mauvaise variante pour le trading est réduite, peu importe comment nous changeons les paramètres - nous serons du côté positif). Cette approche a permis d'augmenter cette part dans mon TS.