記事「機械学習に基づく平均回帰戦略の作成」についてのディスカッション - ページ 7

新しいコメント
 
Maxim Dmitrievsky #:

記事をお読みになった方は、最後にドローダウンを示すターミナルからのチャートという素敵なボーナスを見つけられるだろう。

いや、そうではない。ターミナルでのテストはSLとTPを使って行われているが、トレーニングはSLとTPなしで行われたと主張されている。なぜトレーニング後、同じ条件（SLとTPなし）で結果を表示しないのですか？- なぜなら、「(1)停止設定はモデルの汎化能力に影響しない」と主張されているからです。

答える必要はありません。あなたは本質的な回答が苦手なのですから。

削除済み  
Evgeni Gavrilovi #:

TCを改善する方法について何か考えはありますか？シェア)

今のままでは無理だ。ただ、特性／パターン／セッティングを突き詰めていくだけだ。

非常に良いモデルを手に入れることは可能だ。
削除済み  
Andrey Dik #:

それに答える必要はない

神に感謝する

 
Maxim Dmitrievsky #:

現在の形では、形質／パーティショナーを経由する方法しかない。

このライブラリーは、基本的な指標をすべて備えており、1つの関数で計算されます。将来役に立つかもしれません。

https://github.com/bukosabino/ta

df = add_all_ta_features(df, open="Open", high="High", low="Low", close="Close", volume="Volume_BTC")

削除済み  
Evgeni Gavrilovi #:

このライブラリには、1つの関数で計算されるすべての基本的な指標が含まれています。将来役に立つかもしれません。

https://github.com/bukosabino/ta

df = add_all_ta_features(df, open="Open", high="High", low="Low", close="Close", volume="Volume_BTC")

ありがとう。他にもアルゴリズムの予想外の修正があるので、後で掲載する（書くのが大変なので）。別のアルゴリズムになると言えるような修正です。

削除済み  

敵のPythonコードを実行できない場合（ディックの例、彼にとっては普通の意識状態だ）、あるいは宗教上の理由で実行しない場合（父親たちが遺したように、もっぱらSIで書いている）：

  • モデルを訓練し、任意のsl/tp、例えば500/500で選択する：

hyper_params = {
    'symbol': 'EURGBP_H1',
    'model_number': 0,
    'markup': 0.00010,
    'stop_loss':  0.00500,
    'take_profit': 0.00500,
    'periods': [i for i in range(5, 300, 30)],
    'periods_meta': [100],
    'backward': datetime(2000, 1, 1),
    'forward': datetime(2021, 1, 1),
    'full forward': datetime(2026, 1, 1),
    'n_clusters': 10,
    'rolling': 200,
}

  • そこでハイパーパラメータを例えば5000/5000に変更する（決してうまくいかない）：

  • 大胆に最適化するか、記事のように2000/200のように手動で選択する。

  • 曲線の形状は、ストップの補正までの精度と一致する。ストップはターミナルで最適化できるので、過剰最適化の心配はありません。

削除済み  
もちろん、ストラテジーは変更されず、ストップだけが変更されます。事前に定義されたストップを通してモデルを選択することで、自分のトレードスタイルに合ったモデルをより早く見つけることができ、自分だけが知っている自分のトレード基準に最も適したモデルを見つけることができる。

ところで、記事からすでにコンパイルされたボットを取り出してチェックするだけで十分だった。フォーラムの "古参者 "からもっと真剣な質問を期待していたのですが、過大評価だったようです。
 
Maxim Dmitrievsky #:
もっと深刻な質問を期待していた

過去にマルチクラス分けのテストをしたことがありますか？何か利点はありますか？

https://catboost.ai/docs/en/concepts/loss-functions-multilabel-classification

削除済み  
Evgeni Gavrilovi #:

過去にマルチクラス分けをテストしたことがありますか？何か利点はありますか？

https://catboost.ai/docs/en/concepts/loss-functions-multilabel-classification

非常に特殊な取引タスクに限って言えば、そうでなければ利点はありません。さらに、私の記憶では、ONNXにエクスポートする際にいくつかの問題があります。私が混乱していなければ。

ZЫ 今はエクスポートに問題はないと思います。
 

もちろん、Savitsky_Golayの使用はmuveの使用と大差ありません。SGフィルターは、指定されたスライディング・ウィンドウにおける多項式回帰の中点を、指定された次数の多項式で表したものです。次数1の場合は、対応する期間のmuvと完全に一致します。

平均への回帰を特定するには、振幅フィルタリング（連動、連次、ジグザグ）を使う方が理にかなっていると私は思います。HgとLwの差は一定です。HgとLwの差は一定ですから。

12345678910
新しいコメント