L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2571
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
Ho capito bene cosa stai facendo?
1) Otteniamo 1 albero.
2) ogni nodo può dare fino a 10 rami (nell'immagine trovata è meno, supponiamo 10 rami), ogni ramo è generato da 1 quantum (un quantum è un pezzo di predittore in 10%: o percentile o 10% in ampiezza, a seconda di quale metodo di quantizzazione è stato utilizzato).
3) dopo la prima suddivisione, troviamo 3 quanti, che successivamente portano ad una foglia di successo
4) le successive suddivisioni trovano alcune altre buone suddivisioni/quanti che portano a foglie di successo
5) memorizziamo i quanti di successo prima delle foglie di successo
6) costruiamo un nuovo albero, che usa come predittori solo i quanti che abbiamo selezionato
Per farlo con lo stesso metodo con cui abbiamo quantizzato il primo albero, quantizziamo i predittori con il nostro script, otteniamo 1000 predittori su 100, sono già binari 0 o 1. Se il valore del predittore è in questo intervallo, esso = 1, altrimenti = 0.
Poiché selezioniamo solo percorsi/quanti di successo, tutti i valori dei quanti selezionati = 1. Se tutti i predittori = 1, allora il nuovo albero non può imparare. La risposta è già nota.
O non c'è più bisogno di costruire un nuovo albero? Semplicemente, se il valore del predittore cade in un quantum scelto, agiremo immediatamente?
Non costruisco affatto un albero nella prima fase, ma se rappresentiamo attraverso un albero, dovremmo costruire un tale albero che selezionerà tutti gli intervalli di predittori in una sola volta, cioè in ogni foglia separatamente. Poi valutare ogni foglia di questo tipo, e se si adatta ai criteri, quindi salvare la catena di suddivisioni. Ma, preferisco 3 matrici per l'estrazione di gamma/quantità - così implementato nel modello finale.
Così com'è, tutto sembra essere corretto, finiamo per costruire ulteriormente il modello su queste foglie selezionate (quanti/range).
Per il modello "1" non significa una risposta corretta al 100% - il compito del modello è quello di aggregare le risposte, costruire una sorta di correlazione e distribuire i pesi.
Se è possibile senza un modello dipende da come si sposta la precisione di previsione, e a quale spostamento può essere redditizio - alcune strategie diventano redditizie anche con il 35% di input corretti. Il modo più semplice che ho provato è semplicemente sommare il numero di quelli (li ho anche raggruppati) e aspettarsi di ottenere un segnale all'entrata alla soglia totale.
Probabilmente l'uso di forward o l'inclusione del tempo nei predittori.
Naturalmente il tempo è nei predittori, ma rivelerà una ciclicità stabile, ma non un'aspettativa di deriva dei predittori.
Non li sto paragonando, sto dicendo che entrambi possono essere "dipinti". E se lo fanno o non lo fanno, né tu né io lo sappiamo con certezza. Penso che a volte disegnino e a volte no. E nei momenti in cui non disegnano, possiamo guadagnare qualcosa.
A parte Oanda e CME , non lo so. Gli altri hanno solo il grafico dei prezzi e i volumi in tick.
Tranne che per oanda e CME?
Stai paragonando di nuovo!!!!
Con CME ottengo i volumi, con DM ottengo il sentimento.
CME non ha sentimento
Nessun volume da DME.
non sono la stessa cosa!!! torna in te, abbi pietà della mia tastiera... PER FAVORE:)
Oltre a oanda e CME?
Stai paragonando di nuovo!!!!
Con CME prendo i volumi, con DM prendo il sentimento.
Il CME non ha sentimenti.
Nessun volume da DME.
non sono la stessa cosa!!! torna in te, abbi pietà della mia tastiera... PER FAVORE:)
Di nuovo. Non li sto paragonando, sto dicendo che entrambi possono essere "disegnati".
E quello che hanno in comune è che sono gli unici che sono diversi da tutti gli altri, che hanno solo un grafico di prezzo e volumi di tick. Questi 2 danno almeno qualcos'altro da analizzare.
Allora, quali altri 8 ci sono che danno più informazioni di tutti loro? Sarà interessante vedere.
Non costruisco affatto un albero nel primo passo, ma se lo rappresenti con un albero, devi costruire un albero che alloca tutti gli intervalli di predittori in una volta sola, cioè in ogni foglia separatamente.Poi valuta ogni foglia di questo tipo, e se si adatta ai criteri, allora salva la catena di suddivisioni. Ma, preferisco 3 matrici per l'estrazione di gamma/quantità - così implementato nel modello finale.
Così com'è, tutto sembra essere corretto, eventualmente costruendo ulteriormente il modello su queste foglie (quanti/range) selezionate.
Per il modello "1" non significa una risposta corretta al 100% - il compito del modello è quello di aggregare le risposte, costruire una sorta di correlazione e distribuire i pesi.
Se sia possibile senza un modello dipende da come si sposta l'accuratezza della previsione, e a quale spostamento può essere redditizio - alcune strategie diventano redditizie anche con il 35% di input corretti. Il modo più semplice è semplicemente sommare il numero di quelli (li ho anche raggruppati) e aspettarsi di ottenere un segnale all'entrata alla soglia totale.
Beh, se fai un albero, allora selezionare solo le catene di successo e usare solo quelle è duplicare il modello di albero pronto. Basta usare per il trading le foglie che danno la probabilità di successo desiderata, per esempio tutte le foglie con una classe di probabilità del 70%. Sulle foglie con probabilità < 70% non si reagisce e basta. Questo mi sembra analogo a quello che state facendo voi.
Ma tu stai facendo qualcosa attraverso gli array lì... Quindi forse non è così.
Naturalmente c'è del tempo nei predittori, ma rivelerà una ciclicità sostenuta, ma non l'aspettativa di deriva dei predittori.
Non mi sono espresso correttamente. Quello che si intendeva è che i pesi dipendenti dal tempo sono aggiunti alla funzione di perdita. Più ci si avvicina alla fine del periodo di apprendimento, più peso viene aggiunto. Le varianti con e senza ponderazione daranno perdite diverse, se anche in media (senza pesi) erano uguali. Ma si dovrebbe naturalmente sperimentare.
Allora, quali altri 8 ci sono che danno più informazioni di tutti loro? Sarà interessante vedere.
Perché?
Devo cercare su Google 10 link da incollare qui adesso per cosa?
Che cosa ne farete?
Sicuro al 99,999% che non è niente, solo una perdita di tempo.
Ti dirò, ci sono circa 17 D.C. Shocks che ti danno le posizioni dei loro clienti.
Cerca su Google.
Eccone uno che ho trovato.
il forum è allergico ad alcuni linkBeh, se fai un albero, allora selezionare solo le catene di successo e usare solo quelle è una duplicazione del modello ad albero pronto. Utilizzate semplicemente per il trading le foglie che danno la probabilità di successo desiderata, per esempio tutte le foglie con una classe di probabilità del 70%. Sulle foglie con probabilità < 70% non si reagisce e basta. Questo mi sembra analogo a quello che state facendo voi.
Ma tu stai facendo qualcosa attraverso gli array lì... quindi forse non è analogo.
Ho tale approccio, quando si selezionano le foglie dall'albero, ma lì usano la correlazione di diversi predittori, mentre qui stiamo parlando di selezionare un segmento di prezzo di un predittatore attraverso l'albero - ho avuto il massimo miglioramento della precisione rispetto alla media del 15% su tale segmento (range/quantum).
Non mi sono espresso correttamente. Quello che si intendeva è che i pesi dipendenti dal tempo sono aggiunti alla funzione di perdita. Più ci si avvicina alla fine del periodo di allenamento, più si aggiunge peso. Le varianti con e senza ponderazione daranno perdite diverse, se anche in media (senza pesi) fossero le stesse. Ma bisogna sperimentare, naturalmente.
Penso che all'inizio sia necessario calcolare in qualche modo la statistica, se ha senso, e poi implementarla nel processo di formazione.
Quindi, la domanda rimane: come farlo bene.
Supponiamo di avere 3 sequenze binarie di questo tipo con 10 punti di misurazione su intervalli di tempo comparabili.
A[]={1,0,0,1,1,1,1,1,0,1};
B[]={1,1,1,1,1,1,1,0,0,1};
C[]={1,1,0,1,1,1,0,1,0,1};
E quindi voglio capire/tracciare come cambia la probabilità di un'unità all'aumentare delle unità in una fila.
Capisco che dovrei contare il numero di sequenze per cominciare, ma di nuovo, devo contare le sequenze lunghe come una sola o devo contarle separatamente, per esempio 1111 diviso in 1,11, 111 e 1111 o è solo 11?
E poi cosa fare - come valutare se c'è un modello o una casualità del processo?
Per quale motivo?
Grazie. Darò un'occhiata, per cominciare. Forse penserò a qualcosa da usare.