L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 535

 
Maxim Dmitrievsky:

Beh, sembrano 4-5 secondi

Ne ho 25 (su zecche vere). Più un po' di tempo in più per preparare le zecche sulla prima corsa, ma questo può essere ignorato.

 
Ildottor Trader:

Ne ho 25 (su zecche vere). Più un po' di tempo in più per preparare le zecche per la prima corsa, ma può essere ignorato.


che è circa97555367 zecche :) non un mucchio di stronzate

non è così male, è solo una questione di tempo prima che il primo tick

 
Ildottor Trader:

L'argomento è interessante in sé, ma non ha superato il test del forex. Ci sono stati alcuni articoli su di esso nel thread, c'è anche un pacchetto per R -https://github.com/ahunteruk/RNeat .
NEAT un paio di parole - selezioniamo i pesi delle chiavi neuronali usando un algoritmo genetico invece dell'allenamento convenzionale.
Per esempio l'algoritmo in azione, neuronka è addestrato a giocare un gioco di Mariohttps://www.youtube.com/watch?v=qv6UVOQ0F44

Mentre con il normale addestramento delle reti neurali possiamo a volte mettere in pausa l'addestramento e controllare l'overfit su nuovi dati per fermare l'addestramento in tempo, con NEAT non possiamo, la genetica cercherà i pesi che meglio si adattano alla funzione di fitness fino a raggiungere il suo limite, risultando in un forte overfit e un modello inutile sui nuovi dati.

Questo non è affatto vero. NEAT(NeuroEvolution of Augmenting Topologies) è una ricerca genetica per l'architettura ottimale delle reti neurali. Esattamente l'architettura e non i pesi NN di una data architettura. Purtroppo il pacchetto non è stato continuato nelle ultime versioni di R. C'è un pacchetto simile in Python.NEAT è un metodo sviluppato da Kenneth O. Stanley per sviluppare reti neurali arbitrarie.NEAT-Python è una pura implementazione Python di NEAT senza alcuna dipendenza oltre alla libreria Python standard. Potete leggere più in dettaglio - La nostra rivista originale su NEAT (co-autore con Ken Stanley e Risto Miikkulainen), "Evolution of Neural Networks through Complementary Topologies"

Un piccolo estratto da:Evoluzione delle reti neurali attraverso topologie complementari (2002)

Kenneth O. Stanley eRisto Miikkulainen
Una questione importante nella neuroevoluzione è come trarre vantaggio dall'evoluzione delle topologie delle reti neurali insieme ai pesi.Presentiamo il metodo NeuroEvolution of Augmenting Topologies (NEAT), che supera il miglior metodo a topologia fissa nel compito di apprendimento di artefatti complessi.Noi sosteniamo che il miglioramento delle prestazioni è dovuto a (1) utilizzare un metodo di principio di crossover di diverse topologie, (2) proteggere l'innovazione strutturale utilizzando la speciazione, e (3) aumentare gradualmente da una struttura minima.Testiamo questa affermazione attraverso una serie di studi di ablazione, che dimostrano che ogni componente è essenziale per il sistema nel suo complesso, così come per ogni altro. Icui risultati accelerano significativamente l'apprendimento.NEAT è anche un importante contributo ai GA perché mostra come le soluzioni possono evolvere per ottimizzare ecomplicare simultaneamente, offrendo la possibilità di evolvere soluzioni sempre più complesse nel corso delle generazioni e rafforzando l'analogia con l'evoluzione biologica.

Notate la differenza? Abbiamo bisogno di sperimentare. Il tempo della giornata sarebbe di 26 ore...

 
Maxim Dmitrievsky:

Esempio di Expert Advisor MACD standard con logica semplice, 1 minuto a 2 prezzi aperti per l'anno... beh mi sembra 4-5 secondi... e questo per un anno sui minuti

per me non è così lento + ha riprodotto l'ambiente di trading come gli spreads fluttuanti, tracciati e riportati

La crescita dei ragazzi, che posso dire, 4 anni fa era molto più lenta. Ma ancora 4-5 sec. è un'eternità per una corsa, dovrebbe essere due ordini di grandezza più veloce. 4-5 sec. su un anno di intervallo, questa "strategia" dovrebbe essere ottimizzata dalla genetica o da un burnout di 100-200 corse.

 

Sono un maledetto programmatore. Ho passato quattro ore a cercare di fare un indicatore AD per MT5 usando i CD, ma più o meno ci sono riuscito. Questo è un casino, compagni. Mi sono perso in tre righe :-(.

È solo difficile quando non si sa e si dimentica :-)

 

Non ci crederete, ma il sogno di un idiota è diventato realtà, ho eseguito i tre componenti principali del mercato per l'ottimizzazione. Delta + Volume + Interesse aperto. Non vedo l'ora di vedere i risultati dell'allenamento...

 
Mihail Marchukajtes:

Non ci crederete, ma il sogno di un idiota è diventato realtà, ho eseguito i tre componenti principali del mercato per l'ottimizzazione. Delta + Volume + Interesse aperto. Non vedo l'ora di vedere i risultati dell'allenamento...

Cosa intende per "interesse aperto"?

"Delta cosa?

 
SEM:

Cosa intendeva per interesse aperto?

"Delta cosa?


Interesse aperto con Forti, delta con KD. Ho una vinigrette di sorts.... Vediamo cosa viene fuori da questa insalata.......

 
Mihail Marchukajtes:

Interesse aperto da Forti, delta da KD. Ho una vinigrette di sorts.... Vediamo cosa viene fuori da questa insalata.......


Ho una domanda. Perché questi parametri vi daranno un vantaggio sugli altri attori del mercato se questi dati sono già noti, e probabilmente molto prima?

 
Mihail Marchukajtes:

Interesse aperto da Forti, delta da KD. Ho una vinigrette di sorts.... Vediamo cosa viene fuori da questa insalata.......

Prova ad aggiungere deviazioni standard dalle Bande di Bollinger o dagli Inviluppi, per i confini dei canali, vengono fuori cose interessanti.

"Open interest from Forts", mi chiedo chi trasmette i dati reali su questi indicatori?

Non capisco di nuovo, cos'è il "QD"?

Motivazione: