L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2590
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
Prima hai avuto l'idea di combinare metriche standard con metriche personalizzate, che ho capito che i modelli sono addestrati usando metriche standard e selezionati usando metriche personalizzate.
sì, infatti, il criterio combinato è migliore
ma ci sono le cosiddette metriche di valutazione come roc o assgasu, il bussing è fermato da loro, anche se è addestrato minimizzando il logloss. Poi abbiamo metriche personalizzate.
Poi è possibile eseguire i modelli nell'ottimizzatore MT5 per la regolazione dei parametri di stop loss, e molto più ingrata confusione :)
Nello spazio dei parametri del modello? Ha un'enorme dimensionalità. Questo è possibile solo per modelli molto semplici con un piccolo numero di predittori.
Non è molto chiaro come sia possibile costruire una superficie nello spazio di enorme dimensionalità. Abbiamo semplicemente pochi punti in confronto a questa dimensionalità. A meno che da alcuni metodi di visualizzazione di downscaling dimensionale come PCA, ecc, ma il significato non è chiaro.
Poi puoi anche eseguire i modelli nell'ottimizzatore di MT5 per regolare i parametri di stop loss ecc.
Con cosa dovreste farlo? O stiamo parlando dei modelli scritti in MQL5?
Cosa usate per fare questo? O stiamo parlando di modelli scritti in MQL5?
O trasferito, vedere gli articoli su catboost su questo sito (ricerca). Il mio o quello di Alexey.
Mm, non ho capito bene come python sia stato portato a MQL5, ma ho capito che apparentemente usando una funzione dahttps://www.mql5.com/ru/articles/8642 si possono estrarre modelli catbust dal codice mql5. Io uso soprattutto XGBoost, ma è possibile anche catbust). Sono d'accordo sulle reti neurali e sui dati tabulari. Per quanto ho capito, usando il codice dell'articolo posso usare i modelli di Catbust, ma altre librerie non possono. Beh, anche questo è un bene. Ora sto usando un approccio in cui non sono limitato nella scelta delle librerie Python - sto tirando i modelli dal codice mql5 attraverso API in Python. In questo caso non sono limitato dalle librerie, ma è più lento, nella variante dall'articolo - limitato dalle librerie, ma apparentemente l'ordine è più veloce.
Sì, è esattamente così che la vedo... Ricostruire il PO e poi visualizzarlo tramite PCA...
Ad essere onesti, non ha molto senso. Una proiezione piccolo-dimensionale non può, in linea di principio, rappresentare tutto ciò che può essere nel caso multidimensionale. Gli estremi, per esempio, possono essere punti di sella - un massimo in alcune variabili e un minimo in altre. E se la superficie non è liscia, lì può succedere di tutto.
Teoricamente, potrebbe avere un po' più senso usare PLS invece di PCA.Ad essere onesti, non ha molto senso. Una proiezione bidimensionale non può, in linea di principio, rappresentare tutto ciò che può essere nel caso multidimensionale. Gli estremi, per esempio, possono essere punti di sella - un massimo in alcune variabili e un minimo in altre. E se la superficie risulta essere non liscia, ci può essere qualsiasi cosa.
Teoricamente, potrebbe avere un po' più senso usare PLS invece di PCA.Forse l'attuale implementazione ha poco senso, ma l'essenza di ciò che è potrebbe essere più importante di tutto questo ramo
Mm, non ho capito bene come python sia stato trasferito a MQL5, ma ho capito che apparentemente usando la funzione dahttps://www.mql5.com/ru/articles/8642 si possono estrarre modelli catbust dal codice mql5. Io uso soprattutto XGBoost, ma è possibile anche catbust). Sono d'accordo sulle reti neurali e sui dati tabulari. Per quanto ho capito, usando il codice dell'articolo posso usare i modelli di Catbust, ma altre librerie non possono. Beh, anche questo è un bene. Ora sto usando un approccio in cui non sono limitato nella scelta delle librerie Python - sto tirando i modelli dal codice mql5 attraverso API in Python. In questo caso non limitato dalle librerie, ma più lento, nella variante dall'articolo - limitato dalle librerie, ma apparentemente ordine/ordine più veloce.
La versione dell'articolo è già definitiva, per applicare modelli addestrati in python in MT5 senza strati. Salva le suddivisioni dell'albero in c++ dal programma python e poi le traduce in codice mql, più la funzione di calcolo delle classi.
Fantastico, dovrò provarlo qualche volta.
Fantastico, dovrò provarlo qualche volta.