L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 735

[Yuriy Asaulenko]

Nikolay Gaylis:

Ecco perché ho chiesto la formula...

Se volete lavorare con NS, andate su un normale software professionale, o non preoccupatevi di questi falsi MQL - non serviranno a niente.

[[Eliminato]]

Probabilmente questo

[[Eliminato]]

[[Eliminato]]

Nikolay Gaylis:

Probabilmente questo.

beh c'è un articolo sull'argomento, come scrivere un neurone, sì, proprio così... la ricerca funziona

Non ascoltare Asaulenko, è stufo del suo paradigma, non so perché visita questo forum, è un bene che sia stato bandito oggi

[[Eliminato]]

È divertente :)

https://smart-lab.ru/blog/456953.php

[Mihail Marchukajtes]

frusciando tranquillamente il deposito di ardesia cresce il mio piacevolmente .....

Ti commenterò più tardi... non c'è tempo ora...

[Mihail Marchukajtes]

È così:

Oh amico, Michael..., come fai a non capire, ti abbiamo già spiegato e trollato per motivarti emotivamente ad evolvere, ma tu sei come una roccia! Avrebbe senso se tu stessi vendendo una specie di graal a un babbeo, ma non sembra che tu lo stia facendo, quindi è strano, non ragionevole. Non si può descrivere tutto il mercato con 40 osservazioni, per di più di 3 settimane, è come descrivere la faccia di migliaia di persone con 40 pixel, prendete per esempio una foto di Vladimir Lenin e tirate fuori da essa quello che volete, usando qualsiasi trasformazione di dati ~40 punti e provate a riconoscere il leader del proletariato in essa))) E l'intero mercato non è solo una foto, è centinaia di volte più grande come capacità. Non essere così auto-indulgente e "wishful thinking".

Il tuo problema è che stai cercando di descrivere l'intero mercato. Ogni bar, da quanto ho capito... Ora facciamo i conti insieme.

Un TF di 15M per una quindicina di giorni è di 1920 barre. Se stai descrivendo il mercato ENORME, allora devi alimentare 1920 barre all'ingresso netto, ecc. ecc.

TF 15M Signals per comprare 40 pezzi (circa). Per descrivere queste due settimane con il mio TS, ho bisogno di applicare solo 40 valori per la formazione, in modo che la rete possa imparare queste due settimane, perché non analizzo tutto il mercato, lo analizzo solo nei suoi momenti di inversione. Il TS di base è in controtendenza. Cioè, identifica le aree di possibili inversioni di mercato. Ed è a questo punto che avviene l'analisi. Che riduce significativamente il numero di campioni durante l'allenamento, ma allo stesso tempo copre lo stesso intervallo di tempo (2 settimane)

Come ho detto prima, non posso aumentare il campione di allenamento perché i dati che sto usando non me lo permettono. Se i dati di input fossero migliori, mi allenerei per 100 e 1000. MA non è così importante, è il risultato finale che è importante ed è così......

[Mihail Marchukajtes]

Questa immagine mostra la formazione e la sezione EOC.

Qui c'è solo la sezione di formazione dal 31.01.2018 Per renderla più facile da vedere

Ed ecco la sezione di lunedì 03.05.2018 Il TC è lo stesso...

[Mihail Marchukajtes]

E tutto questo è il lavoro di questi due bambini, che sono stati addestrati sui dati giusti e selezionati al massimo VI rispetto all'input

double getBinaryClassificator1A(double v0, double v1, double v2, double v3, double v4) {
   double x0 = 2.0 * (v0 + 2748.0) / 2951.0 - 1.0;
   double x1 = 2.0 * (v1 + 83.09069) / 154.45321 - 1.0;
   double x2 = 2.0 * (v2 + 71.06971) / 147.16595 - 1.0;
   double x3 = 2.0 * (v3 + 94.29885) / 172.688 - 1.0;
   double x4 = 2.0 * (v4 + 70.91128) / 154.99767 - 1.0;
   double decision = 0.07032014810363377 * x1 * x3
  -0.2709385389305134 * sigmoid(x0 + x1)
  + 0.4766552616529839 * sigmoid(x1 + x2)
  -0.02475017204446986 * sigmoid(x3)
  + 0.6522278547266189 * sigmoid(x4)
  -0.4251146155411889 * sigmoid(x0 + x4)
  + 0.3491339620629828 * sigmoid(x1 + x4)
  -0.11995134291612954 * sigmoid(x0 + x1 + x3 + x4)
  -0.5414699867210747 * sigmoid(x2 + x3 + x4)
  -0.15299357377557646 * sigmoid(x1 + x2 + x3 + x4)
  + 0.3477721452733811 * sigmoid(1.0 + x2 + x3)
  -0.2667852400383829 * sigmoid(1.0 + x0 + x2 + x4)
  + 0.35137296333271945 * sigmoid(1.0 + x1 + x2 + x4)
  + 0.5545211348150159 * sigmoid(1.0 + x1 + x2 + x3 + x4);
   return decision;
}

double getBinaryClassificator2A(double v0, double v1, double v2, double v3, double v4) {
   double x0 = 2.0 * (v0 + 1543.0) / 2763.0 - 1.0;
   double x1 = 2.0 * (v1 + 83.27445) / 157.86037 - 1.0;
   double x2 = 2.0 * (v2 + 96.96413) / 167.20560999999998 - 1.0;
   double x3 = 2.0 * (v3 + 76.54987) / 162.84452 - 1.0;
   double x4 = 2.0 * (v4 + 70.10687) / 136.14457 - 1.0;
   double decision = -1.4629648549243972 * x2 * x3
  -0.24382747582073286 * x2 * x4
  -0.16956988148753577 * sigmoid(x0)
  -0.09466097943059529 * sigmoid(x1)
  + 0.09458009807928075 * sigmoid(x2)
  + 0.5855852404304591 * sigmoid(x1 + x2)
  + 0.5480350088543795 * sigmoid(x3)
  + 0.030113404168369433 * sigmoid(x1 + x3)
  -0.146080234300504 * sigmoid(x4)
  + 0.26372003133088134 * sigmoid(x1 + x3 + x4)
  -0.40493035689960494 * sigmoid(x0 + x2 + x3 + x4);
   return decision;
}

Domanda: chi è scontento delle prestazioni di questi modelli?

[Mihail Marchukajtes]

Sono assolutamente fiducioso nel mio approccio al mercato, guardando i risultati.

Grazie per l'aiuto in R, che ha reso il lavoro del TS molte volte migliore.....

L'approccio richiede tempo e c'è molto da tenere a mente per non fare un errore, che può cambiare radicalmente il risultato, ma nel complesso sono soddisfatto, cosa che auguro anche a voi....

E ora sto iniziando a scrivere un articolo su BW + ci sarà anche un video, quindi non perdetevelo. Quando sarà pubblicato, mi assicurerò di farvelo sapere in questo thread.... Buona fortuna!!!!