L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2060

[Александр Алексеевич]

Evgeny Dyuka:
Tutti i grafici in questo thread iniziano in basso a sinistra e finiscono in alto a destra ))
Vorrei vivere...

no non tutti)

[Rorschach]

Ho qualche dubbio.

[mytarmailS]

Rorschach:
Ho dei dubbi.

L'ho fatto, l'ho anche descritto qui...

Solo che sono andato anche oltre...

Ho previsto i valori di tutti gli indicatori, poi ho usato le previsioni ottenute come nuovi attributi, poi ho fatto altre previsioni basate sugli attributi e le loro previsioni, e così via, 7 volte, finché l'errore è diminuito...

È tutto basato sull'auto-organizzazione MGUA o sui meta-tratti della...

Grazie per il link, grande ragazzo, divertente da leggere ))

[mytarmailS]

Quando hai bisogno di descrivere un estremo in una forma più umana di un chiaro e poco realistico zigzag...

Per questo, è solo un'alternativa con una disposizione più umana degli estremi del grafico. Perché non ZZ, ZZ ha solo un estremo, un punto, non tiene conto degli inevitabili spostamenti nel mercato non stazionario...

La soluzione è questa: creare un pattern di estremi e guardare la correlazione tra il prezzo attuale e il pattern...

codice nella migliore lingua del mondo)

y <- c(1:10,9:0)
x <- cumsum(rnorm(length(y)))

ccor <- cor(y,x)

layout(1:2)
plot(x,t="l",main = paste("corelation",round(ccor,2)))
plot(y,t="l",main ="шаблон екстремума")

Il modello può essere qualsiasi cosa, una tendenza o qualsiasi altra cosa, basta nominarlo...

Questo è ciò che appare su un grafico di calcolo della correlazione a finestra scorrevole con linee di segnale -0,7 e 0,7

Mi sembra che definisca gli estremi in modo molto umano e che filtri le cose poco importanti da quelle significative.

Poi puoi provare ad addestrare il modello di regressione e vedere cosa succede

xx <- cumsum(rnorm(100))
layout(1:2)
plot(xx,t="l")
cor.vec <- rep(NA, length(xx))
for(i in 10:(length(xx)-10)){
  ii <- (i-9):(i+10)
  cor.vec[i] <- cor(xx[ii] , y)}
plot(cor.vec,t="l",col=4)
abline(h=c(-0.7,0.7),col=2)

[Evgeniy Chumakov]

mytarmailS:

Quando hai bisogno di descrivere un estremo in una forma più umana di un chiaro e poco realistico zigzag...

Per questo, è solo un'alternativa con una disposizione più umana degli estremi del grafico. Perché non ZZ, ZZ ha solo un estremo, un punto, non tiene conto degli inevitabili spostamenti nel mercato non stazionario...

Per uno zigzag, sarebbe sufficiente insegnare alla rete neurale a prevedere la lunghezza di un estremo - più lungo del precedente o più corto (poiché l'obiettivo ha bisogno di quelli lunghi).

[mytarmailS]

Evgeniy Chumakov:

Per uno zigzag, basterebbe insegnare alla rete neurale a prevedere la lunghezza della spalla - più lunga della precedente o più corta (poiché l'obiettivo ha bisogno di lunghezze).

Hmmm... Anche un'idea interessante...

L'avete provato?

Cosa c'è nel file?

[Evgeniy Chumakov]

mytarmailS:

Hmmm... Anche un pensiero interessante...

L'avete provato?

Cosa c'è nel file?

Non l'ho fatto, perché non so nulla di reti neurali e sono stupido come un samovar.... Stavo stupidamente cercando sezioni simili, ma non si ripete sempre come in passato.

Nel file:

Prima colonna - risultato dell'evento (segno positivo = braccio lungo, segno negativo breve)

Seconda colonna - variante dell'evento "braccio lungo

Terza colonna - variante "leva corta" evento

In generale, le due colonne più esterne rappresentano un evento possibile.

[mytarmailS]

Evgeniy Chumakov:

Nel file:

Oh, capisco... Ora proverò ma farò il mio, perché non hai lanciato prezzi o segni, e non è chiaro come l'obiettivo costruisce

[Evgeniy Chumakov]

mytarmailS:

e non è chiaro come l'obiettivo costruisce

Modelli.

[mytarmailS]

mytarmailS:

Quando hai bisogno di descrivere un estremo in una forma più umana di un chiaro e poco realistico zigzag...

...

...

....

Poi puoi provare ad addestrare un modello di regressione e vedere cosa succede

Addestrato...

Il grigio è il dato originale, il blu è quello del modello

Inserita anche una traccia per chiarezza di come il modello svanisce con i nuovi dati