L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1049

 
Alexander_K:

Volendo dare vita a questo thread e riempire le tasche su un segnale di trading a rete neurale, do:

Algoritmo per preparare i dati di input per il Graal

1. Il flusso Erlang dell'ordine 300 e superiori per le quotazioni in tick (analogo OPEN/CLOSE M5) ha una distribuzione Laplace stabile sugli incrementi.

2. La somma dei moduli di tali incrementi darà una distribuzione xy-squared.

Nel limite, sarà una distribuzione normale.

3. Così la somma dei moduli per un dato flusso, in una finestra scorrevole, diciamo 1440 tali valori = settimana (definita dalla disuguaglianza di Chebyshev), formerà una distribuzione quasi-normale con una funzione quantile e un'aspettativa note.

4. Sicuramente da un tale processo si possono estrarre reti di denaro impensabili.

Allora perché non uso questo algoritmo per calcolare scorci, outlier, ecc. senza senso?

Sì, perché è un processo di attesa MOLTO lungo per un singolo scambio. La finestra è una settimana! No, non ho la pazienza per questo.

E la neuronet deve solo portare il Graal in fretta su tali input.

Buona fortuna a tutti!

Ahh, tanto sforzo, e tutto invano, ho scritto su tic e strategy tester, ma no... Il Graal è proprio qui, lo troverò da solo, guarda:

1. le quotazioni in tick possono non contenere tutte le informazioni - filtraggio dei tick da diversi datafeed, e le quotazioni in tick possono contenere informazioni aggiuntive, non rilevanti per il processo analizzato - filtri di lisciatura da società di brokeraggio, e algoritmi di aggiunta di ordini

2,3,4 tester di strategia e tester di strategia di nuovo

e dopo aver completato i passi 1-4, il Graal non apparirà, solo un modello matematico del processo analizzato, per "andare al denaro" si dovrebbe sviluppare una strategia

Тестирование стратегий - Алгоритмический трейдинг, торговые роботы - MetaTrader 5
Тестирование стратегий - Алгоритмический трейдинг, торговые роботы - MetaTrader 5
  • www.metatrader5.com
Тестер стратегий позволяет тестировать и оптимизировать торговые стратегии (советники) перед началом использования их в реальной торговле. При тестировании советника происходит его однократная прогонка с начальными параметрами на исторических данных. При оптимизации торговая стратегия прогоняется несколько раз с различным набором параметров...
 
Vladimir Perervenko:

Bene, lascia il codice nella tua email e vedrò cosa posso fare. È per uso personale o con accesso libero per tutti?

ti ha mandato un'email

 
Maxim Dmitrievsky:

Provare diversi modelli (predittori), per esempio costruire molti modelli e scegliere il migliore, su diversi dati di input trasformati. Come le password degli account. Quando non c'è una conoscenza a priori del soggetto e dei modelli.

Fatto a mano.

Il video di Wapnick in inglese era su questo

Maxim se vuoi puoi leggere gli scritti di Ivakhnenko, è quello di cui stai parlando ma in una forma strutturata e ottimizzata, la migliore.

https://dic.academic.ru/dic.nsf/ruwiki/1034678

Conosco anche un uomo (non personalmente) che ha costruito un ottimo robot basato su questi principi

----------------------------------

Questo è ciò che fa il suo robot.


Метод группового учёта аргументов - это... Что такое Метод группового учёта аргументов?
Метод группового учёта аргументов - это... Что такое Метод группового учёта аргументов?
  • dic.academic.ru
Метод группового учёта аргументов Метод группового учета аргументов (МГУА) — семейство индуктивных алгоритмов для математического моделирования мультипараметрических данных. Метод основан на рекурсивном селективном отборе моделей, на основе которых строятся более сложные модели. Точность моделирования на каждом следующем шаге рекурсии...
 
mytarmailS:

Maxim se vuoi puoi leggere le opere di Ivakhnenko, sono quelle di cui parli, ma in una forma strutturata e ottimizzata.

https://dic.academic.ru/dic.nsf/ruwiki/1034678

Conosco anche un uomo (non personalmente) che ha costruito un ottimo robot basato su questi principi.

Grazie, lo leggerò. Ho costruito prima il sistema per i simboli correlati. Significa che i predittori sono strumenti simili, per esempio l'indice del dollaro per EURUSD e il sistema ha cercato di trovare modelli tra loro. Il miglior risultato finora è circa il 100% di OOS dalla lunghezza del vassoio, e gli errori di talpa sono circa lo stesso, poi gradualmente il sistema inizia a rompere (non bruscamente)

Le diverse trasformazioni danno, nel migliore dei casi, una riduzione dell'errore di 0,1 su OOS. È ovvio che non solo gli input devono essere cambiati, ma anche gli output, e questo richiederebbe molte risorse.

 
mytarmailS:

Maxim se vuoi puoi leggere le opere di Ivakhnenko, sono quelle di cui parli, ma in una forma strutturata e ottimizzata.

https://dic.academic.ru/dic.nsf/ruwiki/1034678

Conosco anche un uomo (non personalmente) che ha costruito un ottimo robot basato su questi principi

----------------------------------

Questo è il tipo di accordo che fa il robot di quest'uomo.


è fondamentalmente una macchina nucleare

 
Maxim Dmitrievsky:

Grazie, lo leggerò. Prima stavo costruendo un sistema per correlare gli strumenti. Cioè, i predittori sono strumenti simili, ad esempio l'indice del dollaro per EURUSD, e il sistema ha cercato di trovare modelli tra di loro. Il miglior risultato finora è circa il 100% di OOS dalla lunghezza del vassoio, e gli errori di mole sono circa lo stesso, poi gradualmente il sistema inizia a rompere (non bruscamente)

Le diverse trasformazioni danno, nel migliore dei casi, una riduzione dell'errore di 0,1 sull'OOS. È ovvio che non solo gli input ma anche gli output devono essere regolati, ma è già un consumo di risorse.

L'ho fatto anch'io, ho preso DAX (Europa) e SP500 (Olanda) come predittori e ho provato a predire l'euro-dollaro usando modelli markov nascosti (HMM) ma non reti neurali, ma non ha funzionato))

Ho la sensazione che ci sia qualcosa di sbagliato in noi, qualcosa di fondamentale nel nostro approccio alla costruzione di sistemi prognostici e stiamo sbattendo contro il muro

 
Maxim Dmitrievsky:

è una macchina nucleare, in sostanza

Cos'è una macchina nucleare? Non lo so.

 
mytarmailS:

Cos'è una macchina nucleare? Non lo so.

Beh, costruisce diversi polinomi dai dati grezzi, anche Reshetov lo usa nel suo predittore

 
mytarmailS:

Ho la sensazione che c'è qualcosa di sbagliato in noi, che ci manca qualcosa di fondamentale nella nostra visione di costruire sistemi predittivi, e quindi stiamo colpendo un muro.

Lasciate che vi ricordi che Aleshenka e Koldun (che sembrano essere gli unici ad avere un certo successo nel trading di reti neurali) passano molto tempo a preparare i dati di input.

Onestamente, non so cosa fanno lì e, di proposito, li provoco con i miei post :))) Ahimè, mantenere questo segreto...

 
Maxim Dmitrievsky:

Beh, costruisce diversi polinomi dai dati grezzi, il predittore di Reshetov usa lo stesso

E Reshetov? Beh, sì, conosce la MSUA, ha detto una volta.

L'idea stessa dei predittori brute forcing che creano modelli e poi creano modelli di complessità crescente è molto corretta, secondo me.

Ma forse non dovrei cercare di enumerare i predittori ma scambiare soluzioni di sistema nel mio ambiente o qualcos'altro...

Motivazione: