L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 108
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Come continuazione della mia piccola pubblicazione https://www.mql5.com/ru/forum/86386/page98 sull'analisi dello spettro e l'adattamento ai parametri reali del mercato.
Ho fatto un piccolo esperimento, solo per rafforzare la teoria con la pratica, l'essenza dell'esperimento è verificare se l'indicatore sarà più efficace se ogni volta si cambia il periodo dell'indicatore a quello che è oggettivamente presente nel mercato
l'indicatore ha preso il "RSI" (solo per fortuna), le regole di trading sono elementari più di 70% vendere, comprare meno di 30%, inversioni di commercio stupido, senza fermate
All'inizio ho preso il solito indicatore RSI con un periodo di 14 (questo periodo è il più comune in tutti i libri e articoli) solo per confrontarlo con qualcosa
l'indicatore non ha perso, sono onestamente sorpreso ....
ora la RSI adattiva
conclusioni: l'approccio adattivo è molto più efficace del solito
1) Ma, di fatto, non esiste una cosa come "allenamento" e "coaching". Tutti i tipi di convalida incrociata e i controlli OOS non danno e non possono dare l'effetto che ci si aspetta da loro. Il punto è che tali trucchi non sono altro che cercare e poi scegliere quei valori che approssimativamente funzionano in modo soddisfacente sia nell'area di addestramento che in quella di test, cioè questo insieme di parametri esiste già inizialmente tra tutte le loro possibili varianti, ed è equivalente a scegliere l'intera area della storia in una volta sola.
2) Tuttavia, usare due modelli (nel mio caso, due griglie) è, secondo me, il meglio che si può applicare tra i metodi di "machine learning" attualmente disponibili. Non è un allenamento o un coaching, è un modo per ottimizzare il modello.
3) Il vero apprendimento non esiste attualmente. Riconoscere gli stessi modelli o modelli simili non è un risultato dell'apprendimento, è un risultato del ricordare. L'apprendimento deve comportare un qualche tipo di processo di pensiero (per quanto primitivo) che permetta di ragionare e trarre conclusioni quando si ricevono nuove informazioni, così come la capacità di generare nuove informazioni in modo indipendente. Il mercato richiede proprio un approccio - pensiero che, per quanto ne so, oggi non esiste. E quello che usiamo oggi è la memorizzazione, non il pensiero, purtroppo.
1) Il pensiero è profondo e corretto. Ma non completo.
TQ (crossvalid.) è l'apprendimento e il test sugli stessi parametri, in diversi siti di formazione e di test. Anche su 10 falli diversi. Se la macchina sta imparando il rumore, la metrica della qualità media sarà debole. Il metodo stesso è molto forte.
Ma se i dati sono rumorosi, ci può essere un CV fit, che è quello di cui stai parlando, ma non finisci il pensiero in termini tecnici e ti impantani nel pessimismo. Esiste un CV annidato (nested CV) da molto tempo ormai. Tutti i modelli selezionati possono essere convalidati su dati unici fuori campione. Se c'è coerenza di risultati, il modello è buono, se no, cattivo. Tutto è risolvibile.
2) Non è chiaro perché questo sia il caso.
3) Lo è. Ma l'apprendimento automatico è un settore che si basa sulla comprensione generalizzabile. Combattere l'apprendimento eccessivo è il 90% dello sforzo.
I "cattivi della macchina" ne tengono conto. Il tempo è alimentato all'ingresso della macchina. Inoltre, il prezzo si comporta diversamente non solo di notte, ma anche per sessioni.
"I ragazzi Manin... Fico!
Buono per essere preso in considerazione, leggendo il thread - non ho notato alcuna menzione di questo, ho pensato di condividere i miei pensieri. È vero, i segni caratteristici chiari per identificare le sessioni individuali, non ho trovato, quindi applico solo la limitazione sull'orologio, da ora a ora.
2) Non è chiaro perché questo sia il caso.
Come continuazione della mia piccola pubblicazione https://www.mql5.com/ru/forum/86386/page98 sull'analisi dello spettro e l'adattamento ai parametri reali del mercato.
Ho fatto un piccolo esperimento, solo per rafforzare la teoria con la pratica, l'essenza dell'esperimento è verificare se l'indicatore sarà più efficace se ogni volta si cambia il periodo dell'indicatore a quello che è oggettivamente presente nel mercato
l'indicatore ha preso il "RSI" (solo per fortuna), le regole di trading sono elementari più di 70% vendere, comprare meno di 30%, inversioni di commercio stupido, senza fermate
Prima ho preso un normale indicatore RSI con un periodo di 14 (questo periodo è il più comune in tutti i libri e articoli) solo per confrontarlo con qualcosa
l'indicatore non ha perso, sono onestamente sorpreso ....
ora la RSI adattiva
Conclusione: l'approccio adattivo è molto più affettivo convenzionale
Ho seguito il link ma non ho capito come si cambia dinamicamente il periodo dell'indicatore.
Si prega di spiegare in modo più dettagliato.
Come continuazione della mia piccola pubblicazione https://www.mql5.com/ru/forum/86386/page98 sull'analisi dello spettro e l'adattamento ai parametri reali del mercato.
Ho fatto un piccolo esperimento, solo per provare la teoria con la pratica, l'essenza dell'esperimento è verificare se l'indicatore sarà più efficace, se si cambia il periodo ogni volta a quello , che è presente sul mercato
Ho seguito il link, ma non ho capito come si cambia dinamicamente il periodo dell'indicatore.
Si prega di spiegare in modo più dettagliato.
Sull'adattamento, tutto è chiaro. E dove prendete il periodo "che ora è oggettivamente presente sul mercato"?
Il beneficio è una diminuzione del numero di trade nel tempo da quando si è iniziato a fare trading su OOS, non un aumento della percentuale di segnali sbagliati. Sempre più spesso ci sono contraddizioni tra le reti, allo stesso tempo una dice di vendere e l'altra dice di comprare e questo è il segnale 0, cioè invece di negoziare perdite su dati completamente sconosciuti il modello smette di negoziare.
l'idea è interessante.
Ato.
In realtà uso questo effetto nei grafici di convalida come un indicatore della correttezza della formazione, piuttosto che il rapporto tra risposte corrette/errate (errore). Questa è un'importante proprietà commerciale e un indicatore della qualità dell'apprendimento. Se un modello dà segnali sbagliati su OOS - questa è un'indicazione di una formazione sbagliata, non il fatto di cambiamenti del mercato.