L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 46
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
Sono d'accordo, è interessante... Ma non c'è quasi nulla di chiaro per me, a partire dall'ideologia fino al codice stesso, è molto complicato e molti operatori non li conosco nemmeno
Se qualcuno potesse spiegare tutto questo, almeno con esempi elementari, come applicarlo nel trading, sarebbe un buon esperimento per persone inesperte come me
Dovresti cercare tu stesso degli esempi su internet.
Molto interessante neuronethttp://gekkoquant.com/2016/05/08/evolving-neural-networks-through-augmenting-topologies-part-3-of-4/ Pensi che sia possibile farlo commerciare da solo e imparare dai suoi errori? E se sì, come, mi piacerebbe discuterne.
La peculiarità di questa rete neurale è la sua topologia adattiva. Questo non è solo un insieme di ingressi, neuroni nascosti e uscite; è un modello in cui i neuroni si collegano e si scollegano tra loro durante l'evoluzione, cambiano i loro pesi, così la rete si adatta gradualmente e ottiene risultati sempre migliori. Il risultato finale dovrebbe essere una rete con connessioni neurali uniche e pesi che sono ben adatti al particolare compito.
Per il Forex, non accadrà nessun miracolo, la rete imparerà semplicemente da esempi preparati in via preliminare, proprio come una rete normale. Molto probabilmente produrrà anche il 100% di precisione su di loro. Ma in fronttest probabilmente prosciugherà l'intero bilancio, perché non dovrebbe? :)
Una volta ho provato ad addestrare il neurone nell'Expert Advisor stesso riqualificandolo su ogni nuova barra. La rete ha aumentato il suo bilancio, ma dopo alcuni intervalli di tempo ha improvvisamente perso più di quanto ha guadagnato. Poi ha cominciato ad aumentare di nuovo l'equilibrio, e dopo un po' improvvisamente perdeva di nuovo molto. Come se a volte si verificassero degli eventi che cambiano bruscamente tutti i processi interni del comportamento della coppia forex e il modello diventa completamente inutilizzabile per qualche tempo fino a quando non impara di nuovo. Ho scartato questo approccio, è troppo difficile, bisogna regolare la velocità di apprendimento dei nuovi dati, introdurre una logica del tipo "se il profitto è sceso di X punti entro Y giorni, allora fermare il trading per Z giorni", rivedere e ottimizzare il tutto. È più facile addestrare una nuova rete da zero una volta al mese.
La peculiarità di questa rete neurale è la topologia adattiva. Questo non è solo un insieme di ingressi, neuroni nascosti e uscite; questo è un modello in cui nel processo di evoluzione i neuroni si collegano e si scollegano l'uno dall'altro, cambiano i loro pesi, quindi adattando gradualmente la rete dà risultati sempre migliori. Il risultato finale dovrebbe essere una rete con connessioni neurali uniche e pesi che sono ben adatti al particolare compito.
Per il Forex, non accadrà nessun miracolo, la rete imparerà semplicemente da esempi preparati in via preliminare, proprio come una rete normale. Molto probabilmente produrrà anche il 100% di precisione su di loro. Ma in fronttest probabilmente perderà l'intero equilibrio, perché non dovrebbe? :)
Una volta ho provato ad addestrare il neurone nell'Expert Advisor stesso riqualificandolo su ogni nuova barra. La rete ha aumentato il suo bilancio, ma dopo alcuni intervalli di tempo ha improvvisamente perso più di quanto ha guadagnato. Poi ha cominciato ad aumentare di nuovo l'equilibrio, e dopo un po' improvvisamente perdeva di nuovo molto. Come se a volte si verificassero degli eventi che cambiano bruscamente tutti i processi interni del comportamento della coppia forex e il modello diventa completamente inutilizzabile per qualche tempo fino a quando non impara di nuovo. Ho scartato questo approccio, è troppo difficile, bisogna regolare la velocità di apprendimento dei nuovi dati, introdurre una logica del tipo "se il profitto è sceso di X punti entro Y giorni, allora fermare il trading per Z giorni", rivedere e ottimizzare il tutto. È più facile addestrare una nuova rete da zero una volta al mese.
Questo è interessante.
L'idea è che se si imposta correttamente l'esperimento (Early Learning Stop!), tale adattamento potrebbe essere benefico.
Sembra che stiano preparando un pacchetto per R lì. È necessario tenerne conto.
1) Non ci sarà nessun miracolo per il forex, questa rete imparerà semplicemente da esempi pre-preparati, proprio come una rete normale. Molto probabilmente darà loro anche il 100% di precisione. Ma in fronttest probabilmente perderà tutto l'equilibrio, perché non dovrebbe? :)
2) Una volta ho provato ad allenare il neurone all'interno dell'Expert Advisor allenandolo ulteriormente su ogni nuova barra. Questo non era buono - la rete ha aumentato il suo bilancio ma dopo alcuni intervalli ha improvvisamente perso più di quanto aveva guadagnato. Poi ha cominciato ad aumentare di nuovo l'equilibrio, e dopo un po' di tempo improvvisamente perdeva di nuovo molto.
1) Sì, potresti avere ragione, ma questa rete è in grado di insegnare a se stessa come prendere decisioni, non è la solita classificazione senza un insegnante, il che significa che puoi implementare il concetto di cui ho parlato a lungo - puoi insegnarle non con un obiettivo standard come buy-sel-buy o 00011101011, ma con un modo più astratto di esprimere condizioni come: "Net! Non mi interessa come fai trading, ma voglio che il tuo profitto sia almeno l'1% dello 0,5% di drawdown al giorno, e cercherà le regole e le combinazioni per questo scopo. Se mi sbaglio e dico cose senza senso qui, per favore correggetemi per il mio bene).
2) Ho anche appena l'altro ieri provato un simile ma leggermente diverso ... Su una finestra scorrevole di 5 minuti di 150 candele e ad ogni nuova candela ho addestrato Forest e scambiato, poi su una nuova candela ho riaddestrato il modello, ecc. I risultati sono stati incredibilmente buoni, da qualche parte circa 5 volte ho eseguito sugli stessi dati tali mestieri, il modello era sempre nel lato più di 8% a 20% al mese, ero già eccitato e pensato che avrei eseguito una volta di più) e poi prugna, una volta ancora prugna)) In breve si scopre che solo per caso il modello stava guadagnando...
A proposito, ho provato la seguente cosa - dopo ogni riqualificazione tramite "importense" in RF ho trovato le caratteristiche più importanti, così ho "al volo" e addestrato il modello solo su quelle importanti - dopo di che il modello ha iniziato a lavorare circa 2 volte peggio)))) cosa che mi ha sorpreso molto)))
Un argomento molto interessante.
Ma se stiamo lavorando con NS, il numero di input dovrebbe, secondo me, essere ridotto il più possibile.
Ogni input extra "appesantisce" la rete, riduce la sua capacità di apprendimento e porta alla semplice memorizzazione dei dati o, come discusso qui, al lancio tra gli input/retraining.
Un argomento molto interessante.
Ma se stiamo lavorando con NS, il numero di input dovrebbe, secondo me, essere ridotto il più possibile.
Ogni input extra "appesantisce" la rete, riduce la sua capacità di apprendimento e porta alla semplice memorizzazione dei dati o, come discusso qui, al lancio tra gli input/retraining.
Questa non è una domanda. È possibile selezionare qualsiasi numero di ingressi desiderato prima dell'allenamento.
Questo è vero.
Ma, sfortunatamente, c'è l'opinione che più si presenta, meglio è.
E il NS, dicono, porterà via ciò che è necessario.
Approccio sbagliato.
Questo è vero.
Ma, sfortunatamente, c'è l'opinione che più si presenta, meglio è.
E l'Assemblea Nazionale, dicono, toglierà da sola ciò che è necessario.
Approccio sbagliato.
Aggiungo l'intrigo: non è necessario lanciare un cambiamento nel tasso di cambio di un oggetto scambiato.
È come trascinarsi per i capelli fuori da una palude.
Cercate anche altre fonti di dati.
Che Profit sia con voi!
:)