L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 691
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
Ma tutti questi approcci statistici non sono rilevanti per il forex :)
solo per scervellarmiDipende da quale approccio al mercato in generale. Per esempio, dopo aver selezionato i predicati e ottenuto un modello, possiamo applicare la stessa metrica ai risultati del modello addestrato. E se sono stati addestrati diversi modelli, allora usate queste metriche per scegliere quello appropriato. Questo è il problema sotto molti aspetti. Dopo aver ottenuto 10 modelli è necessario scegliere quello che sarà il migliore in futuro. E questo può essere fatto costruendo VI o la stessa impalcatura ma sui risultati dei modelli ottenuti.... IMHO
Dipende da quale approccio al mercato nel suo insieme. Per esempio, dopo aver selezionato i predittori e ottenuto un modello, possiamo applicare la stessa metrica ai risultati del modello addestrato. E se sono stati addestrati diversi modelli, allora usate queste metriche per selezionare quello appropriato. Questo è il problema sotto molti aspetti. Dopo aver ottenuto 10 modelli è necessario scegliere quello che sarà il migliore in futuro. E questo può essere fatto costruendo VI o la stessa impalcatura ma sui risultati dei modelli ottenuti.... IMHO
imo, penso che richieda troppo tempo in un mercato in continuo cambiamento... più tempo del trading manuale per me personalmente
se parliamo di efficienza questo approccio non è efficiente, con una bassa efficienza
quindi non sono interessato al data mining per il bene del data mining
Dolcemente parlato!!!! In continuazione dell'argomento.... Come sapete ho iniziato a torcere R e sono riuscito a calcolare il massimo VI tra ogni input e output, ma anche questo è stato sufficiente per ridurre i dati di input da 110 a 20-30 con i dati di input che rimangono quelli con la massima informazione sull'output. Di conseguenza, i modelli hanno cominciato a superare i miei test con sempre più successo. Vediamo come sarà sul ciclo di feedback. Una settimana si vedrà.
Ma qui penso che una metrica VI non sarà sufficiente. Dovrei provare a calcolare la ridondanza e cercare di ridurre il numero di colonne.
Forse ci sono già funzioni pronte che permettono di stimare i dati di input all'output oltre alle informazioni reciproche????
Sì, e ne ho scritto più di una volta su questo thread.
Gli algoritmi di selezione dei predittori che sono usati SENZA il modello di apprendimento automatico danno buoni risultati perché quelli che sono incorporati nell'algoritmo sono parte di quell'algoritmo e informano semplicemente su come i predittori sono stati usati in quel particolare algoritmo e non sulla loro importanza per la variabile obiettivo.
Gli algoritmi di Caret sono molto efficaci, ce ne sono tre. Generalmente si dovrebbe prendere questo pacchetto, perché ha tutto in esso: data mining, che non è solo selezione di predittori, un mucchio di modelli, selezione di modelli e loro valutazione. In ogni caso, questa caretta può essere usata come un libro di testo su "cosa succede".
Una volta ho fatto una recensione per me stesso, può essere utile.
Pieno, e questa non è la prima volta che ne scrivo su questo thread.
Gli algoritmi di selezione dei predittori che sono usati SENZA il modello di apprendimento automatico danno buoni risultati, poiché quelli incorporati nell'algoritmo sono parte di quell'algoritmo e semplicemente informano come i predittori sono stati usati in quel particolare algoritmo, piuttosto che la loro importanza per la variabile obiettivo.
Ho fatto una recensione per me stesso una volta, potrebbe essere utile.
E se ci pensate? Con questo approccio si entra in un ciclo infinito di selezione delle caratteristiche
e si lasciano cadere esempi in cui la maggior parte dei modelli sono costruiti su alberi lolz :)
imo, penso che richieda troppo tempo in un mercato in continuo cambiamento... più tempo del trading manuale per me personalmente
e non sono interessato al data mining per il bene del data mining
Se non si prende in considerazione la potenza di calcolo spesa, ma si tiene conto del tempo necessario per preparare il trading, allora si ottiene un quadro abbastanza interessante. Faccio quanto segue.
Il sabato spendo 4-8 ore (giorno lavorativo) per la creazione di un modello e non uno; lascio il venerdì come un pezzo di OOS per determinare la condizione di lavoro del TS. Così il sabato lo passo a preparare la prossima settimana. E hai assolutamente ragione sul fatto che il mercato sta cambiando troppo velocemente, quindi è semplicemente stupido costruire modelli su un orizzonte temporale di 5 anni. Come regola, se il TS lavora al 50% del periodo di allenamento è un risultato decente. Di conseguenza, rendendomi conto che non ha senso avere modelli grandi, perché sarà peggiore la qualità della formazione (più lungo è il periodo di formazione peggiore è il modello), ho scelto un periodo di formazione di due settimane, così il TS ha potuto lavorare almeno una settimana. Come risultato ottengo circa 10 modelli, faccio passare i modelli attraverso tutti i tipi di test, e ora tutti i tipi di metriche.... Scelgo esattamente quelli che hanno superato queste prove e metto tutto sull'UPU e...... è libero fino a sabato prossimo. Il robot lavora in modo indipendente, io controllo solo la sua esecuzione degli ordini. Quindi... ...tienilo d'occhio in modo che non si attacchi. Prima dovevo controllare TS ogni mattina e impostare un parametro, ma ora mi sono liberato di questo problema e non visito TSU per niente, una volta ogni due o tre giorni, e anche allora, se non ci sono scambi durante questo tempo, ma comunque ... Fanculo tutto. Di conseguenza, stimo il mio lavoro non di affare in affare, ma per settimane. Faccio profitti o perdite in una settimana, e la cosa principale è avere settimane più redditizie. Ma il fatto è che:
Ho passato 5 ore il sabato per passare la settimana successiva con le mani nei pantaloni e senza pensare al mercato, e insegnando agli studenti ogni sorta di trucchi informatici. Sedersi per fare trading manuale comporta uno svantaggio. Si può stare tutto il giorno davanti al monitor e perdere soldi, il che porta non solo a una perdita di denaro, ma anche a una perdita di tempo. E come sapete il tempo è una risorsa non rinnovabile!!!!!
Se facciamo trading robotico, allora dovremmo cercare di passare meno tempo possibile sul mercato, in modo che in caso di fallimento del mercato possiamo evitarlo guadagnando qualche reddito nel settore reale (lavoro, officina, ecc.).
Non ha senso costruire grandi modelli in un mercato che cambia costantemente. L'unica differenza è che un modello piccolo è di solito migliore in termini di risultati di allenamento, e si costruisce più velocemente.
Per quanto riguarda i modelli adattativi del mercato che seguono, quando nuovi dati correggono la struttura del modello, anche questi modelli non vivono a lungo. A meno che non si tratti di un sistema di auto-addestramento che si riaddestra automaticamente a intervalli di tempo, seleziona se stesso, ecc. Ovviamente c'è odore di intelligenza, ma penso che sia ancora molto lontano. IMHO, naturalmente!!!!
Per quanto riguarda i modelli adattivi che seguono il mercato, dove i nuovi dati aggiustano la struttura del modello stesso, anche questi modelli non durano a lungo. A meno che non sia un sistema di autoapprendimento che si riaddestra automaticamente a intervalli, seleziona se stesso, ecc. Ovviamente c'è odore di intelligenza, ma penso che sia ancora molto lontano. IMHO, naturalmente!!!!
è tutto lì da molto tempo :) funziona ed è in costante apprendimento, poi i risultati di "attività" sono approssimati da una rete neurale e poi queste stime sono utilizzate con una certa probabilità per prendere nuove decisioni e la loro successiva regolazione
almeno l'approccio è più logico per il forex
Grosso modo, un sistema di questo tipo fruga costantemente in diversi stati, ricordando ciò che ha fatto, analizzando le conseguenze e prendendo decisioni basate sulla sua esperienza... un po' dimenticando, un po' migliorando... È una specie di IA e fa trading quasi come un vero trader :) questo è un vero apprendimento e non una solita approssimazione nel caso di quello che abbiamo fatto finoraPieno, e non è la prima volta che ne scrivo su questo thread.
Gli algoritmi di selezione dei predittori che sono usati SENZA il modello di apprendimento automatico danno buoni risultati, poiché quelli incorporati nell'algoritmo sono parte di quell'algoritmo e semplicemente informano come i predittori sono stati usati in quel particolare algoritmo, non la loro importanza per la variabile obiettivo.
Gli algoritmi di Caret sono molto efficaci, ce ne sono tre. Generalmente si dovrebbe prendere questo pacchetto, perché ha tutto in esso: data mining, che non è solo selezione di predittori, un mucchio di modelli, selezione di modelli e loro valutazione. In ogni caso, questa caretta può essere usata come un libro di testo su "cosa succede".
Ho fatto una recensione per me stesso una volta, potrebbe essere utile.
Grazie! Ho installato il caret. Ci proverò. Ma l'altro giorno mi è venuto in mente qui. Ho circa 110 input al momento, il massimo che ho potuto formulare e assemblare. L'ho fatto molto tempo fa, tre o più anni fa e ho pensato, e se questi input non sono così buoni come penso, questo mi ha portato all'idea di riprendere la ricerca di input per il mio TS!!!! Soprattutto perché è molto più facile da fare con le metriche delle statistiche. Prima mettiamo tutto nel mucchio generale, poi lo setacciamo e lasciamo solo quelli importanti secondo un criterio o un altro.
Mi sono messo in contatto con Denis di KD e mi ha promesso di aiutarmi a ottenere altri dati di natura completamente diversa, ma relativi al mercato. Tuttavia penso che non sia corretto prendere dati per un periodo di N barre, perché in questo caso seguiamo la scala del tempo, mentre guadagniamo sulla scala dei prezzi. Così, il mercato dovrebbe essere analizzato usando la scala dei prezzi (profilo), non la scala del tempo. Denis ha promesso di aiutare nella costruzione del profilo delta e così via. E proprio questi dati saranno più interessanti per l'IA che, diciamo, il Delta su N barre. In più prende anche il mercato con il CME, quindi l'OM può essere raggiunto, e questo insieme al volume è già GOGOOOOOOOOOOOOOOOOOOOOOOOOOO!!!!!. Naturalmente OM non farà il tempo, ma l'aggiunta del 5-10% alle prestazioni di TC non farà male, perché a volte sono queste percentuali che mancano......
Cosa succede se ci pensi? Con questo approccio entrerete in un ciclo infinito di selezione delle caratteristiche
e lasciato cadere esempi in cui la maggior parte dei modelli sono costruiti su alberi lolz :)
Non ho bisogno di pensare - per me è una fase passata con un archivio piuttosto grande di risultati sperimentali.
Ripeterò quello che ho scritto molte volte.
1. Obiettivo ZZ
2. Ho inventato circa 200 predittori per questo obiettivo
3. 27 predittori sono stati selezionati su 200 utilizzando l'algoritmo "influenza sull'obiettivo".
4. Ho selezionato i predittori da 27 predittori su ogni barra e ho cambiato il numero di predittori selezionati da 6-7 a 15 su 27.
5. Montaggio di rf. L'errore di adattamento è poco meno del 30%.
Nessun ciclo infinito. Il 30% è un ottimo risultato, ma in teoria. Non sono riuscito a costruire un pratico Expert Advisor utilizzando questo risultato, ho dovuto aggiungere indicatori di tendenza. Attualmente sto cambiando gli indicatori per GARCH.
è tutto lì da molto tempo :) funziona ed è in costante apprendimento, poi i risultati di "attività" sono approssimati da una rete neurale, e poi queste stime sono utilizzate con una certa probabilità per prendere nuove decisioni e la loro successiva regolazione
almeno l'approccio è più logico per il forex
In parole povere, un sistema di questo tipo si trova costantemente a frugare in diversi stati, ricordando ciò che ha fatto, analizzando le conseguenze e prendendo decisioni in base alla sua esperienza... un po' si dimentica, un po' migliora... È come un'IA e fa trading quasi come un vero trader :)Questa è la prima opzione, e la seconda è quella di costruire piccoli modelli senza adattamento per un periodo di tempo relativamente breve. Per così dire, razziare il mercato. Venne e ottimizzò, portò via ai comuni un paio di buoni affari e se ne andò fino alla prossima volta....
I predittori possono essere selezionati, possono essere estratti e possono essere creati. Non dimenticate che oltre ai cosiddetti predittori "rumore", ci sono anche esempi "rumore" che devono essere ripartiti o cancellati. Potete leggere tutto questo e ripetere gli esempi negli articoli
Reti neurali profonde (parte III). Selezione degli esempi e riduzione della dimensionalità
Reti neurali profonde (parte II). Sviluppo e selezione dei predittori
Reti neurali profonde(parte I). Preparazione dei dati
Valutazione e scelta delle variabili per i modelli di apprendimento automatico
Buona fortuna