L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 539
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
Je ne peux rien comprendre sans le code.
Je devrais faire un Conseiller Expert simple avec un minimum de fonctions, juste lire les valeurs de l'indicateur et les écrire dans le journal (ou mieux - dans un fichier csv, pour une meilleure comparaison plus tard). Dans ce cas, les résultats seront différents, et le code doit être envoyé au Service Desk avec le code de l'Expert Advisor.
Vous pouvez également y joindre le code -https://www.mql5.com/ru/forum/1111/page2096 - des personnes compétentes le vérifieront et confirmeront ou expliqueront ce qui ne va pas.
OK, j'essaierai d'y faire un rapport. Je ne teste pas un EA en agent, je teste un indicateur qui appelle l'indicateur à partir d'un autre symbole. Il y a peut-être une différence... Je ne sais pas... le temps passe, le problème persiste :-(
https://geektimes.ru/post/294617/
enfin quelque chose sort avec le système adaptatif qui se réapprend tout seul... c'est un sacré temps pour le faire et c'est encore une ébauche mais c'est déjà quelque chose et le graphique d'équité est maladroit mais "honnête", c'est à dire qu'il s'agit d'une avancée sans aucun ajustement au marché :) beaucoup d'affaires bruyantes dont je dois me débarrasser aussi
Le MO est bien sûr très dur pour le cerveau
F
c'est à dire que tout se fait à l'avance sans aucune adaptation au marché :) beaucoup de trades bruyants dont je dois me débarrasser aussi
C'est très dur pour le cerveau
F
Pensez-vous qu'il serait possible de montrer le graphique des symboles pour la même période ?C'est globalement similaire, oui ) mais le modèle est légèrement en avance sur le marché en termes de rentabilité.
et utilisé le timeframe m15, c'est pourquoi il y a tant de transactions. Mais ce n'est pas encore la version finale, je l'ai arrachée parce que j'en ai marre :)
Je ne peux pas encore. J'ai été occupé par des problèmes domestiques pendant un an maintenant. Il me reste encore un mois à faire. Ensuite, je commencerai à poster les résultats, le matériel source est prêt.
Plus d'un mois s'est écoulé. Nous attendons l'application GARCH, avec des images...
Cela fait plus d'un mois. J'attends avec impatience un article sur l'application pratique de GARCH, avec des images...
Oui, je l'ai fait.
Je suis tombé sur une description compréhensible d'un neurone LSTM, alors j'ai écrit un petit code pour le tester. Article -http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
Dans le code, je prends 100 barres de eurusd m5, je compte les incréments par barres et j'entraîne le neurone lstm à prédire le prochain incrément sur la base du dernier connu.
L'apprentissage s'est fait sans équations analytiques complexes, les poids des neurones sont ajustés par optimisation discrète lbfgs, c'est moins bon mais pour un test simple ça fera l'affaire.
L'estimation de la prédiction (R2) s'est avérée être un peu plus de zéro, ce qui est très faible, mais toujours meilleur qu'une estimation aléatoire. Si l'on tient compte du fait que le neurone lstm ne prend pas des indicateurs ou un tableau d'incréments, mais une seule valeur à partir de laquelle il prédit la suivante, et que cela est répété pour chaque barre, et en général c'est très simple - le résultat est meilleur que ce que j'attendais. Mais si nous prenons des milliers de barres, le score R2 s'avère être < 0, dommage. Et il semble que le résultat d'un tel modèle se détériore beaucoup au Forex sur de nouvelles données, je dois inventer des vélos avec validation croisée, il n'y aura pas de profit dans une forme aussi simple.
Maintenant, je dois faire un réseau à partir de ces neurones, mais cela n'a pas été mentionné dans l'article.
Je suis tombé sur une description compréhensible d'un neurone LSTM, alors j'ai écrit un petit code pour le tester. Article -http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
Dans le code, je prends un eurusd m5 à 100 barres, je compte les incréments par barres et j'enseigne au neurone lstm à prédire le prochain incrément en utilisant le dernier connu.
J'ai fait de l'entraînement sans équations analytiques complexes, les poids des neurones sont ajustés à l'optimisation discrète lbfgs, c'est moins bon mais ça fera l'affaire pour un test simple.
L'estimation de la prédiction (R2) s'est avérée être un peu plus de zéro, ce qui est très faible, mais toujours meilleur qu'une estimation aléatoire. En tenant compte du fait que le neurone lstm ne prend pas des indicateurs ou un tableau d'incréments, mais une seule valeur à partir de laquelle il prédit la suivante, et que cela est répété pour chaque barre, et en général c'est très simple - le résultat est meilleur que ce que j'attendais. Mais si nous prenons des milliers de barres, le score R2 s'avère être < 0, dommage. Et il semble que le résultat d'un tel modèle se détériore beaucoup au Forex sur de nouvelles données, je dois inventer des vélos avec validation croisée, il n'y aura pas de profit dans une forme aussi simple.
Il me faut maintenant composer d'une manière ou d'une autre un réseau à partir de ces neurones, mais cela n'a pas été mentionné dans l'article.
Le réseau Lstm prédit même les cycles saisonniers moins bien que l'arima, mais il est beaucoup plus long à entraîner... Je n'ai pas encore compris l'utilité de ces réseaux :)
J'ai un ami qui a toujours été excité par eux, a appris keras, a pris une série simple au travail avec un bénéfice saisonnier, a formé le filet pendant presque une journée... et a juré sur elle pendant longtemps après cela.