L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2958
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
Vi spiegherò con le mie dita. In ONNX.Price.Prediction.mq5 si ottengono 10 OHLC. Poi su questi dati si determinano media e sd e si normalizzano questi 10 valori con essi. Questo non è corretto.
Per questi nuovi dati, è necessario utilizzare la media e la sd ottenute sul set di allenamento. Cioè, nello script precedente. È chiaro?
Certo che sì. Non c'è problema. Questo modello è stato realizzato molto velocemente. Solo per fare un esempio.
Avevamo bisogno di verificare la correttezza dell'inferenza in MQL5 molto rapidamente.
E naturalmente abbiamo verificato l'efficacia della previsione sui dati attuali. Circa il 52%. Venerdì ho scritto uno script di verifica con commenti dettagliati sui dettagli tecnici. Rashid ha scritto un Expert Advisor basato su questo modello da eseguire nel tester. A quanto pare non è ancora stato pubblicato.
Naturalmente me ne sono reso conto. Ma le persone che usano l'esempio lo capiscono?
52% di efficienza. Dovrebbero capire.
MAE=0,0005
Questo problema viene risolto utilizzando una funzione di perdita appropriata durante l'addestramento dei modelli MO. A ciò sono associati due problemi. Il primo è tecnico: le funzioni di perdita standard nei pacchetti MO sono legate alla massimizzazione del profitto solo indirettamente, il che porta alla necessità di crearne di personalizzate. Si tratta di un'operazione piuttosto difficile, che richiede una buona conoscenza dei pacchetti MO a livello di codice. Se questo problema viene risolto, può comparire il secondo problema, di natura matematica, quando la funzione di perdita personalizzata non è adatta all'addestramento del modello.
Se qualcuno risolve un problema così difficile, è improbabile che condivida la soluzione.
A quanto pare, vale la pena di leggere le funzioni di perdita. Se ho capito bene, risulta, ad esempio, in un mercato in cui è possibile acquistare solo la funzione di perdita:
somma della differenza tra i prezzi di acquisto e di vendita, per i casi in cui: "prezzo di acquisto" - "prezzo di vendita" < 0.
In questo caso si ottiene una somma con valore negativo, cioè che dovrebbe tendere a 0 o al massimo. Per far sì che tenda al minimo prima della somma delle differenze dobbiamo mettere il segno meno.
Per quanto riguarda il fatto che se qualcuno ha risolto un problema così difficile non condividerà la soluzione, non ci contavo, voglio solo capire come massimizzare il profitto o vedere come esempio almeno qualche modello (non importa se è redditizio o meno, solo per capire il quadro generale).
Quindi, certo, penso che le funzioni di perdita personalizzate siano generalmente negative per l'addestramento di un modello, perché non è questa la parte principale.
Ottimizzate la vostra strategia (se siete troppo pigri per fare un altro markup) in base al criterio del massimo profitto, quindi allenatevi su questo TS. Oppure prendete una qualsiasi TS redditizia dal mercato. La stessa formazione con un insegnante.
Non direi che sono pigro nel fare altri markup, provo diverse varianti e dato che non sono un esperto di machine learning, quando mi viene in mente un'idea, cerco di trovare almeno alcune varianti di esempi con tentativi di raggiungere il risultato.
Quando ho provato a realizzare una variante parametrica della soluzione con i propri valori degli indicatori, ma si è scoperto che ci sono così tante varianti dell'insieme di valori degli indicatori che con l'attuale potenza di calcolo la selezione dei parametri sarà effettuata per quasi 10 anni).
Sono rimasto sorpreso quando ho letto la frase "prendere qualsiasi TS redditizio dal mercato". Non avevo nemmeno preso in considerazione questa opzione, perché pensavo che non ci fossero.
Ho già condiviso così tante volte che a un certo punto mi sono stufato.....
Non tutti conoscevano l'apprendimento automatico anni fa. Se i tuoi post vengono riletti, le discussioni dovrebbero trovarsi nello stesso thread/branch?
A quanto pare vale la pena cercare di dare un senso a tutte le 3000 pagine del thread mentre è ancora in crescita.
A quanto pare, dovreste cercare di capire tutte le 3000 pagine dell'argomento prima che cresca.
È meglio comprendere gli articoli di Vladimir Perervenko e Maxim Dmitrievsky. Spenderete il vostro tempo in modo più utile. Il forum è per lo più acqua.
Comprendete meglio gli articoli di Vladimir Perervenko e Maxim Dmitrievsky. Spenderete il vostro tempo in modo più utile. Il forum è per lo più acqua.
Grazie!
Non tutti conoscevano l'apprendimento automatico anni fa. Se si rileggono i post, le discussioni dovrebbero trovarsi nello stesso thread/ramo?
A quanto pare vale la pena cercare di dare un senso a tutte le 3000 pagine del thread mentre è ancora in crescita.
Il vostro problema è un problema di ottimizzazione, alla ricerca di parametri sconosciuti.
Questo è l'UNICO articolo di cui hai bisogno per studiare https://www.mql5.com/ru/articles/2225.
Se volete insegnare l'AMO per massimizzare il profitto e minimizzare il drawdown:
è necessario
1) creare una funzione di fitness, una funzione che conti i profitti e le perdite dei segnali di trading.
2) un qualsiasi algoritmo AMO che generi segnali per il trading, per la funzione fitness (p.1)
3) un qualsiasi algoritmo di ottimizzazione (genetico, a sciame di particelle, di sfornamento) che generi segnali come target per l'AMO (punto 2).
L'algoritmo è il seguente
1) AO crea un obiettivo per AMO
2) AMO impara su questo target
3) AMO crea una previsione di segnali commerciali
4) i segnali commerciali vengono valutati da FF e producono un risultato
5) il risultato di FF viene valutato da AO e massimizzato/minimizzato ulteriormente e così via in cerchio fino a ottenere un risultato accettabile.
==========
AO - algoritmo di ottimizzazione
AMO - algoritmo di apprendimento automatico
FF - funzione di fitness
=========
ps. se si vuole lavorare con neuronka e non con un AMO, è possibile modificare i pesi utilizzando gli strumenti AO, senza imparare il targeting.
Il vostro problema è un problema di ottimizzazione, alla ricerca di parametri sconosciuti.
Ecco l'UNICO articolo di cui avete bisogno per studiare https://www.mql5.com/ru/articles/2225.
se volete insegnare alla rete a massimizzare il profitto e a minimizzare il drawdown:
è necessario
1) creare una funzione di fitness, una funzione che conti i profitti e le perdite dei segnali di trading.
2) un qualsiasi algoritmo MO che generi segnali per il trading, per la funzione fitness (p.1)
3) un qualsiasi algoritmo di ottimizzazione (genetico, a sciame di particelle, di sfornamento) che generi segnali come target per l'AMO (p.2).
algoritmo come questo
1) AO crea un obiettivo per AMO
AO - algoritmo di ottimizzazione
AMO - algoritmo di apprendimento automatico
FF - funzione di fitness
Mi può fare qualche esempio di AMO? Ho avuto l'impressione che la ricerca di un insegnante sia un lavoro di squadra che si presta all'automazione.