L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2512
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
Come è possibile? Sto pensando la stessa cosa sulla ricerca attraverso una griglia, quindi sono interessato a una metodologia che è già stata implementata.
A volte, come una stampella, può tirare una strategia vicino a un'aspettativa matematica negativa.
Mi occupo di metriche, a volte valutando un modello non in base al profitto ma alla dinamica delle previsioni di classe corrette. È essenzialmente lo stesso equilibrio, ma il cambiamento è fisso. Il punto è che la strategia può essere influenzata non solo dalla precisione di classificazione, ma anche dalle fluttuazioni della volatilità del mercato, e dobbiamo guardare la dinamica della precisione di classificazione senza espressione monetaria.
Ho appena raccolto tutti i miei obiettivi, gli attributi. Le variabili di progetto erano i parametri degli attributi, l'obiettivo. Ho formato un trio di 2 indicatori + uno di destinazione e l'ho allenato con un katbust. Li ho selezionati utilizzando la massima precisione di apprendimento sul campione di prova. Ho filtrato i trii selezionati in base alla possibilità di quello di destinazione di dare segnali adeguati per il trading.
Come risultato, ho trovato 5 trii di segni + uno di destinazione. Ma come ho già dimostrato, il 93% di precisione di previsione per un obiettivo che dà un buon segnale per il commercio non è sufficiente. A proposito, ho provato ad allenarmi con i set di dati sui trii trovati, reti neurali completamente connesse di diversa configurazione, foresta casuale e ho ottenuto +- la stessa precisione di allenamento su un campione di prova e gli stessi risultati di prova.
Buona idea, grazie, cercherò di finirlo.
Io commercio minuti, un mercato veloce, quindi so che in un secondo il prezzo può andare più di quanto io abbia un'aspettativa matematica.
Non so come si possa fare trading sui minuti... C'è molto rumore lì, e aumentando la finestra di mediazione per smussare il rumore si ottiene un'immagine più vicina a un timeframe più alto.
Puoi darci un suggerimento, qual è il senso del trading su timeframe a 1 minuto? Forse non capisco qualcosa?
Insomma, tutto inutile, con MO il mercato non può essere ingannato.
Trovati i tratti e l'obiettivo, la cui distribuzione in classi è mostrata nella prima figura.
La precisione sui modelli di test e di addestramento katbust addestrati utilizzando questo set di dati è stata del 93%.
La seconda figura mostra il grafico dell'equilibrio e del patrimonio netto del commercio di destinazione:
La terza figura mostra il grafico dell'equilibrio e del patrimonio netto del trading sui segnali del modello katbusta addestrato:
Quindi, signore e signori, disperdetevi.
Il lavoro che state facendo è molto vicino a me.
Potresti fare quanto segue:
A proposito, il gradient boosting si comporta in modo errato per qualche motivo. Molto probabilmente riqualificato a causa del tentativo di ottenere la perfezione a scapito del boosting.
Ho appena raccolto tutti i miei obiettivi, gli attributi dell'obiettivo. Le variabili di progetto erano i parametri del tratto, l'obiettivo. Ho formato un trio di 2 attributi + un attributo target e li ho allenati con un catbust. Li ho selezionati utilizzando la massima precisione di apprendimento sul campione di prova. Ho filtrato i trii selezionati in base alla possibilità di quello di destinazione di dare segnali adeguati per il trading.
Come risultato, ho trovato 5 trii di segni + uno di destinazione. Ma come ho già dimostrato, il 93% di precisione di previsione per un obiettivo che dà un buon segnale per il commercio non è sufficiente. A proposito, ho provato ad addestrare reti neurali full-link di diversa configurazione dai trio trovati, foresta casuale e ho ottenuto +- la stessa precisione di formazione su un campione di prova e gli stessi risultati di prova.
Sei sicuro che sia giusto allenare diversi obiettivi nello stesso campione? Dopo tutto, i segnali devono essere comparabili, per esempio un'inversione di tendenza e l'ingresso nel trend dalla posizione piatta suggeriscono diversi set di indicatori per i predittori.
Ci sono domande sul catbusto:
- Usate solo due campioni, non usate quello dell'esame in una volta sola?
- Quanti alberi ci sono nel modello?
- usate l'halting per l'apprendimento dal campione di prova?
- qual è il tasso di apprendimento?
- la classe 1 è responsabile della direzione dell'ingresso o del segnale con direzione già impostata?
Buona idea, grazie, cercherò di finalizzarla.
Sei il benvenuto :) È anche utile guardare il profitto e la precisione in base alla distribuzione delle probabilità.
Non riesco a immaginare come si possa lavorare a minuti... E aumentando la finestra di mediazione per smussare il rumore si ottiene un'immagine vicina a un timeframe più alto.
Puoi darci un suggerimento, qual è il senso del trading su timeframe a 1 minuto? Forse non capisco qualcosa?
Io commercio Si - tutto va abbastanza tecnicamente lì, in più ci sono più segnali da imparare.
Fondamentalmente uso informazioni da più TF, molti livelli orizzontali nei predittori, e i minuti permettono solo una reazione più rapida a un evento che colpisce il prezzo nella mia mente.
A proposito, il gradient boosting si comporta in modo irregolare per qualche motivo. Molto probabilmente si sovrallena a causa del tentativo di ottenere un ideale a spese del potenziamento.
Qui ho appena fatto un esperimento su questo argomento, per ora con un solo campione, ma il punto è che aumentare il tasso di apprendimento ha un effetto positivo sul risultato, poiché c'è più generalizzazione, che, quando non c'è una risposta corretta a tutte le domande e quando il campione non è rappresentativo, è più efficace del montaggio sulla storia per ogni esempio.
Essenzialmente uso informazioni da più TF, molti livelli orizzontali nei predittori,
Come si usano i livelli orizzontali? La distanza dal prezzo attuale al centinaio, 500, 1000 più vicino?
Come si usano i livelli orizzontali? Distanza dal prezzo al centinaio, 500, 1000?
Cerco di non usare i punti - uso le percentuali. Se ho una griglia per il giorno (diciamo ATR) ci metto i predittori e il prezzo aperto della barra attuale, così so dove si trova il prezzo rispetto al livello, preferibilmente segno gli eventi di passaggio di livello, quanto tempo fa è stato...
Sono tutti sovrallenati, siamo quasi casuali sull'input.
Covarianza e correlazione sono ancora lì... (sembra essere casuale).
Forse non sappiamo quanti componenti di base si debbano rispettare nella pratica, si applicano alcune regole del pollice.
Dopo tutto, è solo
Cos'è la modellazione predittiva: la modellazione predittiva è un processo probabilistico che ci permette di prevedere i risultati in base a certi fattori predittivi. Questi predittori sono fondamentalmente le funzioni che entrano in gioco nel determinare il risultato finale, cioè il risultato del modello.
È una questione di gusto personale quali predittori ed etichette scegliamo e quale algoritmo usiamo... - se inizialmente consideriamo il sistema più ampio della finale Bull/Bear/Hold-on...
Ecco perché la descrizione delle possibilità di simulazione di
Maxim Dmitrievsky
vale sempre il suo peso in oro!
1. Prima si definisce l'area di ricerca: empiricamente o sulla base di ipotesi, si fanno dei test statistici. Poi viene scelto un algoritmo MO,
opzione 2.
2. Strategia di ricerca attraverso qualsiasi classificatore, analizzare la sua struttura interna (importanza delle caratteristiche, valori di shap e diverse metriche).
- Solo "nella speranza"..."per qualche polinomio"... + cogliere le trasformazioni di dati utili (indipendentemente dal MO) è davvero un'arte!...! Non possono essere gli stessi quando si analizzano i dati (come alcuni "gurels" qui) - almeno nella programmazione lineare e quadratica entrambe le funzioni sono diverse e i risultati sono diversi e la loro interpretazione!