L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 878

 
Dmitriy Skub:

IMHO, questo è l'unico modo di usare NS nel trading oggi. Tutti gli altri sono una perdita di tempo e di sforzi. Considerando l'attuale livello della cosiddetta AI))

Credo che sia l'unico, non fino ad oggi, ma l'unico per MO e NS in configurazioni di ragionevole complessità. In primo luogo, limitiamo le aree di applicazione di NS e MO, e poi applichiamo NS e MO.

E risolvere problemi come "in generale, tutti e subito" è per l'IA).

Renat Akhtyamov:

Si scopre che il NS è una sorta di filtro per prendere decisioni su come entrare in un commercio, un test preliminare del possibile risultato?

Un tester operativo, per così dire?

Piuttosto, NS è una logica di decisione insegnabile. È stato originariamente progettato come sostituto di uno nelle strategie standard, in modo da non doverci preoccupare di scriverlo.

 

Ho una domanda sulla variabile obiettivo.

Se la nostra variabile obiettivo è il risultato finanziario di un trade, allora è ragionevole normalizzare questo risultato, come ho pensato. Ma qui sto cercando informazioni sul sito web, e ovunque si dice che la variabile target dovrebbe avere due valori - acquisto o vendita. E se avrò una perdita in ogni caso - comprare o vendere (e succede!), allora perché dovrei tagliare tutte le variabili negative? E se è la presenza di varianti negative che influenza le statistiche?

In generale, vorrei sapere quali reti funzionano (e dove trovarle?) nel caso estremo con un trigger - comprare/vendere/non fare nulla, e nel caso migliore con una funzione (prima ho chiesto una funzione qui perché stavo cercando una soluzione teorica, ma ora ho fatto uno script che riassume i predittori) che fa la classifica.

 

In appendice una serie di predittori e obiettivi senza conversione - le prime due colonne dopo il numero di sequenza (a proposito, la sequenza è importante, se è così cosa è da vecchio a nuovo o come ora - nuovo in alto e vecchio in basso).


N arr_Buy arr_Sell arr_Vektor_Week arr_Vektor_Day arr_Vektor_Don arr_DonProc arr_iDelta_D_1 arr_iDelta_H_1 arr_RSI_Open
52131 -18 -127 1 -1 -1 2 4 3 0
52130 -15 -130 1 -1 -1 1 4 3 0
52129 -31 -113 1 -1 -1 2 4 3 0
52128 -26 -118 1 -1 -1 2 4 3 0
52127 -6 -138 1 -1 -1 1 4 4 -1
52126 -4 -134 1 -1 -1 1 4 4 -1
52125 -6 -116 1 -1 -1 1 4 3 -1
52124 -8 -86 1 -1 -1 1 4 2 0
52123 -13 -60 1 -1 -1 2 4 1 0
52122 -30 -43 1 -1 -1 3 4 1 0
52121 -26 -47 1 -1 -1 2 4 1 0
52120 -6 -67 1 -1 -1 1 4 1 0
52119 -6 -67 1 -1 -1 1 4 1 0
52118 -35 -38 1 -1 -1 3 4 1 0
52117 -32 -41 1 -1 -1 2 4 1 0
52116 -34 -39 1 -1 -1 2 4 1 0
52115 -20 -53 1 -1 -1 2 4 1 0
52114 -20 -26 1 -1 -1 2 4 1 0

Questo può essere insegnato (su cosa), o c'è qualcos'altro che deve essere fatto?

File:
Pred_001.zip  312 kb
 

Consiglio - leggi tutto il topic dall'inizio, dato che le tue domande sono state duplicate molte volte, non ha senso ripetere la stessa cosa

MoD è un approccio sistematico in cui è necessario conoscere un sacco di cose, imparare tutto passo dopo passo.

Gli allagamenti locali lo renderanno difficile da leggere alla fine, ma l'inizio e la metà andranno bene :)

 
Maxim Dmitrievsky:

Non mi sono ancora fissato su nessuna modifica particolare (ne ho già 25), continuo a testare... ho deciso di ottenere un gran numero di scambi e una curva simile a quella di OOS, almeno la terza parte da trayne. Ma voglio sempre allenarmi più vicino alla data attuale.

Si è notato che un insieme di modelli, ognuno dei quali è addestrato utilizzando caratteristiche speciali e con impostazioni individuali, è più stabile in AOS (ci sono 10 modelli in questo TS)

Monitorare la demo di prova nel profilo (dato che non mi sono fermato a una versione particolare e continuo a migliorare, le versioni sulla demo possono cambiare periodicamente)

Grande, andiamo!

 
Maxim Dmitrievsky:

Alglib ha kfold, qualcuno ha capito come lavorarci? documentazione quasi nulla :)


L'ho testato la scorsa estate, come tutte le altre sottospecie di NS. Funziona come gli altri metodi, ma non ho impressioni particolari. Solo una cosa riguarda tutti i NS in alglib-e - che sono dieci volte più lenti di R. Beh, sì, qui riqualificano gli stessi dati 10 volte, ma in blocchi diversi - cioè 10 volte più lento ancora)))
 
elibrario:
Testato la scorsa estate, come tutte le altre sottospecie di NS. Funziona, così come altri metodi, senza impressioni speciali. Solo una cosa relativa a tutti i NS in alglib-e è che sono decine di volte più lenti di R. Beh, sì, qui riqualificano gli stessi dati 10 volte, ma in blocchi diversi - cioè 10 volte più lento ancora)))

e in R kfold dà un miglioramento? Ho lotti di solito fino a 1000 esemplari, quindi non ci vorrà molto tempo

se l'hai fatto - c'è qualche codice per salvare la struttura mlp in un file?

 
Maxim Dmitrievsky:

e in R kfold dà un miglioramento? Ho lotti di solito fino a 1000 esemplari, quindi non ci vorrà molto tempo

se l'hai fatto, c'è qualche codice per salvare la struttura mlp in un file?

Non l'ho ancora provato in R. Il dottor Trader sembra dire che migliora.

Salvare in alglib? Ci sono fi ioni Serialize per NS, insiemi, impalcature, regressioni - ognuno ha il suo e il recupero da loro.
C'è anche solo per NS con l'estrazione dei coefficienti da NS stesso https://www.mql5.com/ru/articles/2279 Ho iniziato con questo (come esempio di lavoro), poi sono passato a serializzare.
Un'altra cosa se ho fatto la normalizzazione e la rimozione dei predittori - tutto questo dovrebbe essere memorizzato e poi applicato ai nuovi dati (grazie a Mr. Vladimir per un suggerimento) l'articolo sopra non lo fa.
In R Darch per esempio quando si normalizza (centro, scala) dalla rete stessa, si ricorderà di questo da solo e lo proverà sui dati futuri. Anche gli altri pacchetti R sicuramente ricordano tutto.

Нейросеть: Самооптимизирующийся советник
Нейросеть: Самооптимизирующийся советник
  • 2016.10.03
  • Jose Miguel Soriano
  • www.mql5.com
После того, как трейдер определился со стратегией и реализовал ее в советнике, он сталкивается с двумя проблемами, которые, будучи нерешенными, обесценивают эту стратегию. Очевидно, что, в отличие от параметров, которые задаются заранее (рабочая пара, таймфрейм и т.д.), есть и другие, которые будут изменяемыми: период расчета индикаторов...
 
Maxim Dmitrievsky:

Consiglio - leggi tutto il topic dall'inizio, dato che le tue domande sono state duplicate molte volte, non ha senso ripetere la stessa cosa

MoD è un approccio sistematico in cui è necessario conoscere un sacco di cose, imparare tutto passo dopo passo.

Gli inondatori locali lo renderanno difficile da leggere alla fine, ma l'inizio e la metà vanno bene :)

Ho seguito il thread in dettaglio per 6 mesi - non ricordo domande simili, post intelligenti che ho trovato utili per me stesso e scritto nel quaderno - solo 3.

Forse c'è di più nel soggetto, ma data la quantità di battibecchi - non piacevole da leggere ...

Pertanto, mi riferisco a questo thread come un luogo dove possono dare risposte a un principiante in materia di NS, beh, se la gente è dispiaciuta per 5 minuti che sarebbe rispondere alle domande o dare un link alla risposta (e la risposta che stavo cercando e non ha trovato), poi troppo male.

 
Aleksey Vyazmikin:

L'applicazione ha un set di predittori e obiettivi senza conversione - le prime due colonne dopo il numero di sequenza (a proposito, la sequenza è importante, se sì, che cosa è da vecchio a nuovo o come ora - nuovo in alto e vecchio in basso).

Questo può essere insegnato (su cosa), o c'è qualcos'altro che deve essere fatto?

Mirato - avete la regressione, non la classificazione. Ho rinunciato alla regressione per ora. Penso che sia meglio allenare 2 neuroni, per numero di obiettivi, ma non ho fatto abbastanza esperimenti con la regressione io stesso - sperimentate per conto vostro.
La sequenza delle colonne non è importante, l'importante è dire a NS che questi sono obiettivi. La sequenza delle righe è probabilmente migliore per avere i dati più freschi alla fine (ma non necessariamente), molti pacchetti mischiano tutte le righe di default per un allenamento uniforme. Altrimenti NS potrebbe bloccarsi da qualche parte nel mezzo (minimo locale) e non arrivare a dati freschi. I dati freschi (ultimo 10-20%) possono essere alimentati 2 - 3 volte per far sì che la rete impari meglio le ultime tendenze del mercato - anche questa è un'opinione non testata da me nella pratica.
Controlla il blog del topicstarter - ha insegnato la regressione lì, un sacco di buoni pensieri. Ma alla fine ha scritto che aveva trovato qualche errore nel codice che rendeva tutti i risultati non validi.

Quindi non ho risposte chiare e inequivocabili, ecco perché tutti tacciono).

Motivazione: