L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 108

 

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

1

2

l'indicatore non ha perso, sono onestamente sorpreso ....

ora la RSI adattiva

3

4

conclusioni: l'approccio adattivo è molto più efficace del solito

Машинное обучение: теория и практика (торговля и не только)
Машинное обучение: теория и практика (торговля и не только)
  • recensioni: 1
  • www.mql5.com
Добрый день всем, Знаю, что есть на форуме энтузиасты machine learning и статистики...
 
Andrey Dik:


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.

 
Alexey Burnakov:
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.

 
Alexey Burnakov:

2) Non è chiaro perché questo sia il caso.

Il beneficio è una riduzione 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, una dice di vendere e un'altra dice di comprare allo stesso tempo, ma è un segnale 0, cioè invece di commerciare perdite su dati assolutamente sconosciuti il modello smette di commerciare.
 
mytarmailS:

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.

 
mytarmailS:

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

Sull'adattamento è chiaro. E dove prendete il periodo "oggettivamente presente sul mercato"?
 
Andrey Dik:

Ho seguito il link, ma non ho capito come si cambia dinamicamente il periodo dell'indicatore.

Si prega di spiegare in modo più dettagliato.

Guardo le caratteristiche spettrali, in particolare il periodo e alimento l'indicatore, quando appare una nuova candela la serie è spostata in avanti di 1 candela e tutto si ripete.
 
SanSanych Fomenko:
Sull'adattamento, tutto è chiaro. E dove prendete il periodo "che ora è oggettivamente presente sul mercato"?
puoi usare il pacchetto che era nell'esempio, cioèdplR, puoi usare kza, puoi usare Rssa e probabilmente altri 50 pacchetti che non conosco
 
Andrey Dik:
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.
 
Alexey Burnakov:
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.