Alexey Burnakov

Sujet ajouté Réflexions sur le hasard

Sujet ajouté Neuro-prévision des séries financières (basé sur un article)

Sujet ajouté Statistiques de dépendance entre guillemets (théorie de l'information, corrélation et autres méthodes de sélection de caractéristiques)

Sujet ajouté SOM : méthodes de cuisson

Sujet ajouté L'apprentissage automatique en trading : théorie, pratique, trading et plus encore

Publication publiéeПоверхностный анализ портфеля роботов на моем сигнале

Publication publiéeПодгон и тестирование эксперта еще на одной валютной паре

Publication publiéeМоя текущая статистика торговли с мая 2016 по ноябрь 2016 г.

Касаемо, последней записи в блоге: Внимание. Нашел ошибку в коде, из-за которой получились отличные результаты. Весь пост аннулируется до подробного разбора полетов!

Publication publiéeСОПРОВОЖДЕНИЕ ЭКСПЕРИМЕНТА ПО АНАЛИЗУ ДАННЫХ ФОРЕКСА: успешное применение машинного обучения

https://www.mql5.com/ru/signals/182568

Буду вести отчеты по новой итерации моей авто-торговли. Это НЕ связано с машинным обучением. Это связано с развитием одной примитивной идеи, которая хорошо ловится тестером МТ4 (пример: https://www.mql5.com/ru/blogs/post/665851). Обе системы работают на автомате с консервативными настройками риска. Хотя бы год буду держать. При наличии профита продолжу и дальше.

Publication publiéeТестирую еще раз

не взлетела. будем еще работать.

Это результаты моделирования знака приращения. Пока не вышли в прибыльную зону.

Однако можно легко показать, что прогноз на валидационных выборках значительно отличается от случайного гадания для некоторых горизонтов (снова лучшая зона это в районе 32 минут +-).

Немного поясню графики. Вчера ночью не получилось описать подробно.

Валдиация на 49 слабо зависимых выборках по 13 000 наблюдений. Внутри ящиков лежат 49 значений accuracy - точности угадывания направлений (BUY | SELL) - для каждой из выборок. Ящик это медиана окруженная 1 и 3 квартилями.

Задача была проверить, можно ли при всех наших входных условиях достичь на валидации точности, достаточной для преодоления спреда, то есть, для выхода торговли в безубыток.

Интересно, что для горизонтов прогноза вплоть до 128 минут машина угадывает направления значимо лучше, чем случайное гадание - 50%.

Однако нам бы хотелось получить метрику точность на валидации, лежащую значимо выше одной из ступеней на цветных графиках. Тогда сразу можно сказать, что для этого горизонта можно торговать как минимум в безубыток с учетом обозначенного спреда.

Хочу пополнить набор входных данных, а также можно поменять логику кроссвалидации, отбор переменных, и даже попробовать обучить другим методом.

Кроме того, в планах попробовать предсказать не приращения с шагом по времени, а наступление события Take Profit | Stop Loss для различных уровней.

Тизер к следующей итерации Большого эксперимента. В данный момент я обучаю машину предсказывать направление движения цены (BUY | SELL). Проверка на валидационной выборке покажет для каких горизонтов предсказания более робастны и, следовательно, устойчивы. Для получения положительного эджа в торговле для каждого горизонта предсказания нужно достичь определенной точности - с учетом спреда. На картинке представлены "лакмусовые бумажки", показывающие какую точность нужно достичь нашей системой для того, чтобы выйти в нуль, в зависимости от разного спреда (от 1 до 3 пунктов). Ну, скрестим пальцы и будем учить и учить наши машины. Скорее всего, через неделю только выкачу результаты. Уже много данных для обработки и осмысления получил.

В блоге https://www.mql5.com/ru/blogs/post/661499 произошло обновление. Почитайте...

Важно: я решил выложить в общий доступ обучающий и валидационный наборы данных для всех желающих поэкспериментировать. Если у кого-то получится воспроизвести и возможно улучшить результаты регрессии на валидации, прошу сообщить мне.

https://drive.google.com/open?id=0B_Au3ANgcG7CMmJvVGpXOEg3cGs

На тему кроссвалидации временных рядов в пакете caret (R): http://www.r-bloggers.com/time-series-cross-validation-5/