L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3250

[Renat Akhtyamov]

Andrey Dik #:

e chi balla al tamburello?

Ho dovuto pensare molto per capire come spiegarlo con le mie dita.

La risposta è naturalmente semplice come un uovo.

C'è stato un thread molto bello in cui ho pubblicato un post:

Ilfallimento alla fine del trading è dovuto al fatto che il test termina su posizioni non chiuse - MQL4 e MetaTrader 4 - MQL5

10 anni fa ho già fatto tali programmi, e non si dispone di tali profitti qui, nemmeno nei test

E nella vita reale questo EA è stato calpestato intorno a zero e nessuna crescita, assolutamente.

Quindi la conclusione è ovvia

il trading reale non sarà mai come il Graal di un tester.

che, tra le altre cose, è guidato dal MOSHKA

Ma per fare soldi in modo costante, e sempre di più, è necessario non fare previsioni, per niente.

è necessario comprendere e capire l'algoritmo, ovvero come funziona qualsiasi mercato con un prezzo fluttuante.

l'algoritmo è lo stesso, al 100%

e solo dopo avrete un'indicazione come questa, che enfatizzerà la possibilità di fare soldi.

Questo è lo scopo, dopo di che non ne avrete più bisogno.

;)

mentire?

No,

Sto allegando anche le cifre della vita reale.

e l'equilibrio con un meno, sicuramente non una demo ;))))))

[fxsaber]

Maxim Dmitrievsky #:

Inizialmente ero interessato a come cercare modelli in array multidimensionali senza MO.

È corretto dire che questo è il compito principale di MO?

[Andrey Dik]

Renat Akhtyamov #:

Ho dovuto pensare molto per capire come spiegarlo sulle mie dita.

...

grazie, la nostra opinione è molto preziosa per voi!

[fxsaber]

Maxim Dmitrievsky #:

Sto ancora contando tutte le coppie possibili in una volta sola. Ci sono ancora molti input che voglio provare. Non c'è problema. È solo che in STUMPY è possibile calcolare approssimativamente e poi perfezionare. Si ottiene un'accelerazione notevole, oltre al parallelismo e alla GPU. Probabilmente passerò completamente a quel pacchetto.

L'importante è non dimenticare di segnalare i punti in cui i pesci non sono sicuramente presenti.

[Maxim Dmitrievsky]

fxsaber #:

È corretto dire che questo è il compito principale del Ministero della Difesa?

Beh, essenzialmente sì

[Maxim Dmitrievsky]

Renat Fatkhullin #:

Il 3980 ha implementato i metodi Conjugate per i tipi complex, vector<complex> e matrix<complex>. Eseguono la coniugazione per i numeri complessi.

È stata inoltre aggiunta l'elaborazione dell'output del modello ONNX di tipo Sequenza di mappe. La funzionalità di ONNX Runtime è stata notevolmente migliorata.

E ora fornisce suggerimenti, super

Si scopre che si tratta di un array di strutture

vectorf in = vector<float>::Zeros(SAMPLE_SIZE);
   static vector out(1);
   
   struct abc 
     { 
      long a[];     
      float b[];
     };
   
   abc out2[1];
  
   OnnxRun(ExtHandle,ONNX_DEBUG_LOGS,in,out,out2);

Quindi ora non ci sono errori per out2. Lo ricontrollerò più tardi.

[Maxim Dmitrievsky]

Forester #:

Penso che la correlazione sarà influenzata dai numeri più grandi in termini di valore abs. Ad esempio, una variazione dei volumi di 10000 e 10100, e sullo sfondo una variazione dei prezzi di 0,00040 e 0,00400, sarà microscopicamente piccola e avrà un effetto minimo sulla correlazione dell'intero insieme. Per testare questa ipotesi, farei una normalizzazione.

Ho un periodo di crescita regolare, quindi forse non ha alcun effetto.

Farò un tentativo.

[mytarmailS]

Maxim Dmitrievsky #:

)) L'ho visto anch'io

Inizialmente ero interessato a come cercare modelli in array multidimensionali senza MO. Finora non ho pensato a nulla di meglio che stipare tutte le misure in una sola e calcolare attraverso la correlazione (piuttosto veloce). Credo che a volte i valori debbano essere normalizzati in modo che non siano troppo diversi.

Seguendo le mie orme di 3-5 anni fa.....

Tutto quello che state facendo e pensando l'ho già postato qui, con grafici, pensieri... divertente....

Ho trovatodue soluzioni per la ricerca di modelli in dati multivariati, una senza MO e una con MO.

1) (SENZA MO)

Ridurre la dimensionalità dei dati a più dimensioni utilizzando un qualsiasi algoritmo di riduzione della dimensionalità PCA, t-sne, umap ecc.

Quindi si hanno 300 caratteristiche e si ottengono 2-5...10..., poi si confrontano i modelli per prossimità o clustering....

È una pratica riconosciuta per lavorare con i dati.

2) (CON MO)

(Approccio del mio autore) Abbiamo dati multivariati con, ad esempio, 200 caratteristiche.

1) Scegliamo il modello che vogliamo.

2) Addestriamo un modello di classificazione binario (questo pattern/ NON questo pattern), cioè sulla traccia abbiamo un'osservazione etichettata come "pattern" e molte osservazioni etichettate come "NON pattern".

3) Addestriamo il modello a distinguere tra pattern e NOT pattern.

4) Nel test facciamo un'inferenza probabilistica dal MO per la classe "pattern" e osserviamo i picchi di probabilità.

In questo modo possiamo aggirare elegantemente il problema delle caratteristiche multidimensionali e cercare i sotto-modelli di cui abbiamo bisogno.

[mytarmailS]

fxsaber #:

È corretto dire che questo è il compito principale del Ministero della Difesa?

Non è corretto

[mytarmailS]

E quindi, solo una controreplica.

La correlazione NON ha bisogno di essere normalizzata, non è una distanza euclidea, la normalizzazione è già incorporata nella correlazione.