L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 415
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
Bene, ora che sei sul punto, ti dirò un pensiero sulla raccolta dei dati per l'elaborazione. È davvero difficile addestrare un modello con un alto livello di generalizzazione su un'area abbastanza grande, perché il mercato è un organismo vivente e bla, bla, bla. Più lungo è il periodo di addestramento, peggio si comporta il modello, ma più a lungo. Obiettivo: fare un modello di lunga durata. Dividere o metodo due, tuttavia per coloro che utilizzano un comitato di due reti.
Abbiamo tre stati "Sì", "No" e "Non so" quando le griglie mostrano in direzioni diverse.
Addestriamo la rete su tutta la sezione, nel nostro caso 452 voci. La rete ha imparato questo set al 55-60%, supponendo che le risposte "Non so" nel set di allenamento fossero il 50%, quindi 226 segnali che la rete non poteva imparare. OK, ora costruiamo un nuovo modello SOLO sugli stati "Non so", cioè cerchiamo di costruire il modello su tali quasi stati che hanno fuorviato il primo modello. Il risultato è più o meno lo stesso, su 226 solo la metà sarà riconosciuta, il resto otterrà lo stato "Don't Know", poi costruite di nuovo il modello. il risultato è 113, poi 56, poi 28, poi 14. Su 14 voci non note a nessuno dei modelli precedenti, il Jprediction Optimizer calcolerà di solito fino al 100% di generalizzabilità.
Come risultato abbiamo un "Pattern System" che riconosce l'intero mercato in un periodo di tre mesi.
Ecco un altro modo, oltre a "Context of the Day" Come si può rompere il mercato in sottospazi ed eseguire la formazione ottenendo esattamente "Pattern System" Ecco un esempio....
Un approccio interessante. Dovrò sperimentare... È già stato testato, almeno sulla demo? Sarebbe interessante vedere il segnale.
Questo è tutto fuori campione dalle 05.29 su 15 minuti. È già alla terza settimana. Ma se non si guadagna di più, allora in linea di principio l'approccio vale una miseria, ma credo...... :-)
Secondo me, riqualificare NS una volta alla settimana nei fine settimana sarebbe accettabile. Quindi penso che sia possibile utilizzare ... Non hai bisogno di fissare dei compiti per fare trading per 3 settimane, 3 mesi, un anno in profitto senza riqualificarti. E riqualificando una volta alla settimana la tua NS sarà sempre adattata agli ultimi modelli di mercato.
Approccio interessante. Dovrò sperimentare... L'hai già messo in funzione, almeno su demo? Sarebbe interessante vedere il segnale.
Secondo me, riqualificare NS una volta alla settimana nei fine settimana sarebbe accettabile. Quindi penso che possiamo usarlo... Non voglio che faccia trading per 3 settimane, 3 mesi, un anno in profitto senza riqualificazione. E riqualificando una volta alla settimana la tua NS sarà sempre adattata agli ultimi modelli di mercato.
Hai bisogno di un EA robusto, ne ho fatto uno per il tester, l'ultimo con molti trade, è solo il lavoro di tre modelli.
Ho fatto alcuni script che lavorano secondo l'algoritmo dell'EA, li eseguirò manualmente al segnale, e poi vedremo...
Bene, ora che sei sul punto, ti dirò un pensiero sulla raccolta dei dati per l'elaborazione. È davvero difficile addestrare un modello con un alto livello di generalizzazione su un'area abbastanza grande, perché il mercato è un organismo vivente e bla, bla, bla. Più lungo è il periodo di addestramento, peggio si comporta il modello, ma più a lungo. Obiettivo: fare un modello di lunga durata. Dividere o metodo due, tuttavia per coloro che utilizzano un comitato di due reti.
Abbiamo tre stati "Sì", "No" e "Non so" quando le griglie mostrano in direzioni diverse.
Addestriamo la rete su tutta la sezione, nel nostro caso 452 voci. La rete ha imparato questo set al 55-60%, supponendo che le risposte "Non so" nel set di allenamento fossero il 50%, quindi 226 segnali che la rete non poteva imparare. Ok, ora costruiamo un nuovo modello SOLO sugli stati "Non so", cioè cerchiamo di costruire il modello su questi quasi stati che hanno fuorviato il primo modello. Il risultato è più o meno lo stesso, su 226 solo la metà sarà riconosciuta, il resto otterrà lo stato "Don't Know", poi costruite di nuovo il modello. il risultato è 113, poi 56, poi 28, poi 14. Su 14 voci non note a nessuno dei modelli precedenti, il Jprediction Optimizer calcolerà di solito fino al 100% di generalizzabilità.
Come risultato abbiamo un "Pattern System" che riconosce l'intero mercato in un periodo di tre mesi.
Ecco un altro modo oltre a "Context of the Day" Come si può scomporre il mercato in sottospazi e produrre formazione ottenendo esattamente un "Pattern System" Ecco un esempio....
------------------------------------------------------------
Questo metodo è chiamato "boosting" -Boosting è una procedura di costruzione sequenziale di una composizione di algoritmi di apprendimento automatico dove ogni algoritmo successivo cerca di compensare le carenze nella composizione di tutti gli algoritmi precedenti.Boosting è un algoritmo avido per costruire una composizione di algoritmi.
L'applicazione recente più famosa è XGBoost.
Buona fortuna
Selezione dei predittori con LASSO
Sì, questo algoritmo non ha bisogno di rimuovere le variabili altamente correlate. Li gestisce bene da solo.
L'ho usato molto tempo fa, però, quando la regressione era interessante.
Buona fortuna
Ildottor Trader:
Sì, non tanto, con tali risultati, è meglio adottare il paradigma, "la cosa principale non è vincere, ma partecipare", ho effettivamente perso il mio account, probabilmente non consapevolmente, per vergogna troppo, di noi come Wizard ha dato speranza, ma anche andato fuori strada, non poteva sopportare la pressione della concorrenza. Forse vale la pena ammettere che ci sono specialisti molto più bravi di noi (centinaia, migliaia di volte...), hanno studiato ad Harvard e usano supercomputer.
Gli specialisti sono molto meglio di noi (centinaia, migliaia di volte...), hanno studiato ad Harvard e usano supercomputer.
non migliaia di volte... se si guarda il premio per il primo posto il campione è solo 1000 / 2,09 = 478,47 volte meglio di me
non in migliaia... se guardate il premio per il primo posto, il campione è migliore di me solo di 1000 / 2,09 = 478,47 volte
Un payout in 478.47 volte, ma sul rendimento accumulato ci sono tizi per $ 10000 che è oltre 3000 volte meglio di te, una speranza per Wizard, ma penso che si vergogna di discutere questo argomento sgradevole.
Noioso...... :-( Ci si allena, ci si allena, si scelgono i modelli, si lavora per così dire. Ma cosa fai quando il modello è costruito e tutto quello che devi fare è lavorare su .......?
Noioso...... :-( Ci si allena, ci si allena, si scelgono i modelli, si lavora per così dire. Ma cosa si fa quando un modello è costruito e tutto quello che si deve fare è lavorare su .......?
Succede raramente, è meglio andare da qualche parte a riposare fino a quando il tuo cervello protesta e comincia a chiedere di scrivere codice, Thailandia, Indonesia, Maldive per esempio.