L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2622

 
Replikant_mih #:

È una buona idea, solo che credo sia importante in questo caso:

- Per costruire un sacco di statistiche.

- Per una persona che commercia una cosa (un sistema).

- Che la persona rimanga obiettiva e faccia trading in modo sistematico.


In questo caso, penso, si otterrà un buon markup, e quindi è possibile trarne un beneficio normale.

È meglio richiedere/come ottenere)) la storia del trading dalla borsa e analizzarla).

 
BillionerClub #:
E se una persona scambiasse e desse a ML ciò che è buono e ciò che è cattivo?
Meglio simulare questo su qualsiasi dato e rendersi conto che suona solo allettante
 
mytarmailS #:
È meglio simularlo su qualsiasi dato e capire che suona solo allettante

Stiamo convergendo su un punto. La NS sta solo imparando a gestire la storia. Il tasso di apprendimento è abbastanza alto. Gli svantaggi sono che la dimensione della base non è sufficiente per accumulare modelli durante un anno. I risultati precedenti si confondono. È possibile farlo con grandi timeframes e bassa frequenza di trade durante l'allenamento. Ma un grande timeframe implica un maggiore drawdown - nessun TS garantisce un colpo al 100%. Uno dei compiti è quello di utilizzare il più possibile i movimenti del mercato. Exit - sul grafico, l'Expert Advisor in modalità di lavoro con caricamento periodico della base e nello Strategy Tester, allo stesso tempo, l'Expert Advisor in modalità di allenamento migliora costantemente la base. Che casino abbiamo qui...

 
Dmytryi Voitukhov #:

Uno dei compiti è quello di utilizzare il più possibile i movimenti del mercato. Exit - sul grafico l'Expert Advisor in modalità Work con caricamento periodico della base, e nel tester allo stesso tempo l'Expert Advisor in modalità training migliora costantemente la base. Che casino abbiamo qui...

L'ho riletto con più attenzione. Fondamentalmente, tutto è corretto, ma la neuronica è un vicolo cieco per diverse ragioni
 
mytarmailS #:
L'ho riletto con più attenzione. Fondamentalmente, tutto vero, ma la neuronica è un vicolo cieco per diverse ragioni

Esattamente. Sono bloccato con uno di questi. L'idea è che l'accuratezza della previsione è filtrata dalla soglia di probabilità sullo strato di uscita, ma poi la frequenza degli scambi scende molto e la reattività alla situazione si deteriora. Il filtraggio sugli strati nascosti ha poco effetto sui risultati. Io uso lo stop e la presa fissi uguali per l'obiettività quando mi alleno. In modalità Lavoro lo stop viene tirato dopo Breakeven, partendo da una certa distanza, la soglia di convergenza viene resettata a 0 per elaborare tutte le immagini. Il valore di stop è una media dei movimenti tra 0 e 10, ..., 50 e 61 barre. Questo valore è approssimativamente lo stesso di quello ottimizzato. Forse qui si dovrebbe applicare qualcos'altro? Lo zigzag ha solo aggravato il quadro. Che tipo di deadlock avete incontrato e quali soluzioni suggerite?

 
Dmytryi Voitukhov #:

Esattamente. Sono bloccato con uno di quelli. L'idea è che l'accuratezza della previsione è filtrata dalla soglia di probabilità sullo strato di uscita, ma poi la frequenza degli scambi scende molto e la reattività alla situazione si deteriora. Il filtraggio sugli strati nascosti ha poco effetto sui risultati. Uso lo stop e la presa fissi uguali per l'obiettività quando mi alleno. In modalità Work - lo stop viene tirato dopo il Breakeven, partendo da una certa distanza, la soglia di convergenza viene riportata a 0 per elaborare tutte le immagini. Il valore di stop è una media dei movimenti tra 0 e 10, ..., 50 e 61 barre. Questo valore è approssimativamente lo stesso di quello ottimizzato. Forse qui si dovrebbe applicare qualcos'altro? Lo zigzag ha solo aggravato il quadro. Quali deadlock avete incontrato e quali soluzioni suggerite?

Stop fisso, take, finestra scorrevole, tabella dati in entrata, tutto questo non funziona per dati molto non stazionari per ovvi motivi.

Concettualmente, le "regole asociali" sono buone per il mercato. ma l'implementazione deve essere diversa.
 
Maxim Dmitrievsky #:

non è un multilabel, ha un significato diverso. Escludi iterativamente i cattivi segnali, lascia quelli che sono ben previsti dal modello principale nel mucchio generale, e il secondo modello impara a separare il cattivo dal buono, a vietare o permettere il commercio del primo

il 2° modello potrebbe non essere necessario nemmeno qui? - Validazione incrociata e ricerca a griglia per la selezione del modello ...(in Keras)

ma forse solo la matrice di confusione risponderà alla tua 2° domanda (lo scopo del 2° modello della tua idea)...

.. . o

... Dubito solo che tu abbia bisogno del 2° modello... imho

Cross Validation and Grid Search for Model Selection in Python
  • stackabuse.com
A typical machine learning process involves training different models on the dataset and selecting the one with best performance. However, evaluating the perfo...
 
mytarmailS #:
Stop fisso, presa, finestra scorrevole, tabella dati in entrata, tutto questo non funziona per dati molto non stazionari

alla fine della giornata, il trader vuole fare soldi con il rumore... le possibili fluttuazioni cicliche possono interessare l'investitore solo a lungo termine, - e NON senza una comprensione delle interrelazioni finanziarie, non delle semplici statistiche... imho, modellare il rumore è più interessante (per un trader), ma più rischioso (per il suo commercio)... - il solito equilibrio rischio-profitto

p.s.

tranne che filtrare il rumore (lavoro) dal rumore (non lavoro) è una vera sfida(cioè, separare l'inquinamento acustico dal rumore)... Ho visto un articolo da qualche parte che dice che dovrei cercare un rapporto Signal/Noise>2 (per il rumore di lavoro) - sembra un oscillatore comune che è avvolto sulla componente di tendenza del modello TS... tutto è banale (come si insegna ai principianti - 1 indicatore di tendenza, 1 oscillatore), - e all'interno di un tale punto di riferimento comune si può mettere qualsiasi preferenza alle informazioni e ai calcoli che un trader è più incline a fidarsi - proprio qui vediamo un campo per il soggettivismo in TS ... imho ... E questa banalità dovrebbe essere digitalizzata solo nel modello TS per un robot per fare trading, e non per stare davanti al terminale per giorni

Временные ряды-Введение
  • www.machinelearningmastery.ru
  • www.machinelearningmastery.ru
Статьи, вопросы и ответы на тему: машинное обучение, нейронные сети, искусственный интеллект
 
JeeyCi #:

Non c'è nemmeno bisogno di un secondo modello qui, vero? - Validazione incrociata e ricerca a griglia per la selezione del modello ...

ma forse solo la matrice di confusione risponderà alla tua 2° domanda (lo scopo del 2° modello della tua idea)...

.. . o

... Dubito solo che tu abbia bisogno del 2° modello... imho

Quindi la signora pensa che non sappiamo cosa sia il crossover? )) Un migliaio di facepalms...

E l'"articolo" è solo un capolavoro ))))

1) per le foreste casuali non c'è bisogno di fare la convalida incrociata perché la costruzione della regola stessa lo fa perché è casuale...

2) per la foresta casuale non c'è bisogno di normalizzare i tratti, il legno funziona con tratti grezzi

Questo è sotto il fondo.
 
mytarmailS #:

1) non c'è bisogno di crosvalidare per Random Forest

Non sei tu che hai chiesto una risposta - non sai ancora leggere... (( - la tua capacità di analizzare ciò che leggi è stata a lungo messa in discussione da me, o piuttosto la sua assenza, così come la tua analisi del tuo trading e la sua automazione (non confondi nemmeno le parole, confondi il contesto)

p.s.

l'analisi delle tendenze non è nulla senza una precedente analisi delle dipendenze... l'analisi delle serie temporali è l'ultima cosa da fare in statistica dopo altre analisi... -- non puoi essere soddisfatto che le tue serie temporali siano non stazionarie senza cercare le dipendenze... - rispondendo di scatto e ridacchiando (probabilmente pensando che ti stai divertendo?) -- non disturbarti a rispondere a una domanda retorica

Motivazione: