Discussão do artigo "Aprendizado de máquina em sistemas de negociação baseados em grade e martingale. Deveríamos apostar nele?"

Novo comentário
 

Novo artigo Aprendizado de máquina em sistemas de negociação baseados em grade e martingale. Deveríamos apostar nele? foi publicado:

Este artigo apresentará ao leitor a técnica de aprendizado de máquina para negociação baseada em grade e martingale. Para minha surpresa, essa abordagem, por algum motivo, não é afetada de forma alguma na rede global. Após ler o artigo, podemos criar nossos próprios bots.

É necessário testar o timeframe para o qual o bot foi treinado. Nesse caso, é H1. Podemos testar com base em preços de abertura, já que o bot tem controle explícito sobre a abertura das barras. Mas também é usada uma grade, para maior precisão, podemos selecionar M1 OHLC.

Este bot em particular foi treinado para o período:

START_DATE = datetime(2020, 5, 1)
TSTART_DATE = datetime(2019, 1, 1)
FULL_DATE = datetime(2018, 1, 1)
END_DATE = datetime(2022, 1, 1)

  • Do quinto mês do ano 20 até os dias atuais, este é o período de treinamento, que é dividido 50/50 em subamostras de treinamento e validação. 
  • A partir do 1º mês de 2019, o modelo foi avaliado de acordo com o R^2 e escolhido o melhor.
  • Desde 1 mês de 2018, o modelo foi testado com testador personalizado.
  • Tomamos dados sintéticos para o treinamento (gerados pelo modelo de mistura gaussiana)
  • O modelo CatBoost tem forte regularização, portanto, não se encaixa no conjunto de treinamento.

Todos esses fatores indicam (e o testador personalizado confirma) que um certo padrão foi encontrado no intervalo de 2018 até os dias atuais.

Vamos ver como fica no testador MT5.


Com a exceção de que os rebaixamentos de capital agora são visíveis, o gráfico de saldo parece o mesmo que no meu testador personalizado. É uma boa notícia. Vamos verificar se o bot está operando com base na grade e nada mais.


Autor: Maxim Dmitrievsky

Novo comentário