L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 540
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 suis tombé sur une description compréhensible d'un neurone LSTM, j'ai donc écrit un petit code pour le tester. Article -http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
Le code prend 100 barres d'eurusd m5, compte les incréments de barre et le neurone lstm apprend à prédire le prochain incrément en se basant sur le dernier connu.
Je l'ai entraîné sans équations analytiques complexes, les poids des neurones sont ajustés par 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. 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.
Je dois maintenant composer un réseau à partir de ces neurones, mais l'article n'en parle pas.
A en juger par l'image, il prédit le bar précédent. Ou peut-être que je ne comprends pas quelque chose ?
Je n'ai pas encore réalisé l'utilité de ces filets pour quoi que ce soit :)
J'ai un ami qui a toujours été brûlant avec eux, a appris keras, a pris une série de travail simple avec un bénéfice saisonnier, a formé le filet pendant presque une journée et a ensuite juré sur elle.
PS. Et la convergence du modèle peut être arrêtée à l'époque 20-40, ce qui permet de réduire le temps de formation.
Je ne l'ai pas mis à jour depuis un moment, donc le code est ancien, mais le principe de la collecte, du traitement et de la sauvegarde des prévisions, ainsi que des exemples de modèles de réseaux récurrents, sont là.
Je n'ai pas encore réalisé l'utilité de ces filets pour quoi que ce soit :)
J'ai un ami qui a toujours été excité par eux, a appris keras, a pris une série simple au travail avec un profit saisonnier et près d'un jour ou plus formé le filet ... Après cela, il a juré à elle pendant une longue période.
Les articles sur les lstm montrent qu'ils peuvent décrire assez précisément les séries temporelles, mieux que tous les autres modèles, par exemple ils peuvent même apprendre à reproduire un signal audio numérique (voix, musique), alors que pour la forêt ou les neurones ordinaires, c'est une tâche impossible.
Je pense qu'avec un grand nombre de neurones, un tel réseau décrira le graphique de la croissance avec suffisamment de précision, mais en même temps, il y a une possibilité de suralimentation - sur les nouvelles barres, le modèle peut être inutile.
A en juger par l'image, il prédit le bar précédent. Ou est-ce que je rate quelque chose ?
Le neurone Lstm prédit la valeur suivante en se basant sur la valeur précédente, et dans ce cas, il se base tellement sur la valeur précédente que même l'œil peut le voir. Si vous utilisez l'ensemble de leur réseau au lieu d'un seul neurone, ce problème disparaîtra.
Si vous êtes intéressé, j'ai un dépôt avec le projet sur githab.
Je ne l'ai pas mis à jour depuis longtemps, donc le code y est ancien, mais on y trouve quelques principes de collecte, de traitement et de sauvegarde des prévisions, ainsi que des exemples de modèles récurrents.
À en juger par les articles sur les lstm, ils peuvent décrire des séries temporelles avec une grande précision, mieux que tous les autres modèles. Par exemple, ils peuvent même apprendre à reproduire un signal audio numérique (voix, musique), alors que pour les forêts ou les neurones ordinaires, c'est une tâche impossible.
Je pense qu'avec un grand nombre de neurones, un tel réseau décrira le graphique de la croissance avec suffisamment de précision, mais en même temps, il y a une possibilité de suralimentation - sur les nouvelles barres, le modèle peut être inutile.
Il le pensait aussi, à en juger par ses articles.
personne n'a une bibliothèque cpp décente avec la régression linéaire? qui permettrait de vérifier les caractéristiques... ou l'analyse discriminante... ou l'échafaudage... quelque chose qui peut être porté :) algib est trop simple
régression+forêt serait mieux
alglib est trop simple
Le simple est mauvais et le complexe est mauvais...
Tu es l'un de mes rares élèves qui a quelque chose qui le gêne, comme un mauvais danseur.
Vous êtes l'un de mes rares élèves mauvais danseur. Bien que j'aie mis en garde de nombreuses fois contre tout ce ML et cette programmation, que c'est un tâtonnement qui n'a rien à voir avec le vrai trading, les gens sont timides, velléitaires et pauvres en plus de tout le reste, pour qui le trading est généralement interdit (dans les pays développés au niveau de la législation), Puis, lorsque le marché découvrira qui est qui, et le marché ne triche jamais et ne peut être trompé, il sera trop tard, les économies de dix ans de travail salarié s'évaporeront, ils ne les réembaucheront pas et devront mendier ou ramasser des déchets de verre, être sans abri en général.
et le simple est mauvais et le complexe est mauvais...
Tu es l'un de mes rares élèves, qui a quelque chose en travers de son chemin, comme un mauvais danseur.
Bien que j'aie mis en garde à maintes reprises contre toute cette ML et cette programmation, que c'est du baratin qui n'a rien à voir avec le vrai commerce, que les gens sont timides, faibles et pauvres en plus, qu'il leur est généralement interdit de faire du commerce (dans les pays développés au niveau de la législation), Ils essaient de se cacher derrière des formules et des codes pour leur jeter de la poussière dans les yeux, et puis quand le marché découvre qui est qui, et le marché ne triche jamais et ne peut pas être trompé, il sera trop tard, leurs économies de dix ans de travail salarié s'évaporeront, ils ne seront pas réembauchés et devront mendier ou ramasser les déchets de verre, être sans abri en général.
tu es comme une nana collante à qui on a dit "non" cinq fois et qui continue à t'envoyer des messages sur facebook et des sms.
personne n'a une bibliothèque cpp décente avec la régression linéaire? qui permettrait de vérifier les caractéristiques... ou l'analyse discriminante... ou l'échafaudage... quelque chose qui peut être porté :) algib est trop simple
la régression + l'échafaudage, c'est mieux
https://github.com/Microsoft/CNTK - Multitool. Non étudié. En tant qu'option dll.
https://github.com/BVLC/caffe - Également assez puissant, pour une option de dll.
et le simple est mauvais et le complexe est mauvais...
Tu es l'un de mes rares élèves, qui a quelque chose en travers de son chemin, comme un mauvais danseur.
Bien que j'aie mis en garde à maintes reprises contre toute cette ML et cette programmation, que c'est du baratin qui n'a rien à voir avec le vrai commerce, que les gens sont timides, faibles et pauvres en plus, qu'il leur est généralement interdit de faire du commerce (dans les pays développés au niveau de la législation), Puis, lorsque le marché découvrira qui est qui, et le marché ne triche jamais et ne peut pas être trompé, il sera trop tard, leurs économies après dix ans de travail salarié s'évaporeront, ils ne trouveront pas d'emploi et devront mendier ou ramasser des déchets de verre, pour être sans abri en général.
Professeur, arrêtez de gaffer. Ou êtes-vous un professeur de spam et d'inondation ?