Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 11
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
É uma ideia interessante. Eu também tenho EAs a funcionar. Talvez eu pense em como melhorá-los. Mas não está claro para mim o que exactamente precisa de ser melhorado? O que você precisa ensinar à máquina?
O Expert Advisor tem uma lógica rígida de abertura e fechamento de posições. Na aprendizagem mecânica, a decisão é tomada de uma forma ligeiramente diferente.
Isto é, não está muito claro o que exatamente você vai fazer.
Aqui você pode vê-lo do meu posto acima:
Estou a tomar a direcção geral a partir da barra alta. Mas quando se olha de perto para o tempo, há um atraso monstruoso em termos de barras mais baixas, especialmente. Então, se é D1 mas eu negoceio no M5, acontece que eu levo quase os dados de anteontem para a direção. Mesmo prevendo um passo à frente para D1 com 30% de erro melhorou radicalmente a rentabilidade do Expert Advisor, e o mais importante, aumentou a confiança de que não vai vender para fora.
No meu caso, vou usar dados desfasados de indicadores para uma previsão R apropriada.
Aqui está uma nota do meu posto acima:
A direção geral é tomada a partir da barra alta. Mas quando se olha de perto para o tempo, há um atraso monstruoso em termos de barras mais baixas, especialmente. Então, se é D1 mas eu negoceio no M5, acontece que eu levo quase os dados de anteontem para a direção. Mesmo prevendo um passo à frente para D1 com 30% de erro melhorou radicalmente a rentabilidade do Expert Advisor, e o mais importante, aumentou a confiança de que não vai vender para fora.
No meu caso particular estou a seguir o caminho do uso de dados desfasados dos indicadores nas previsões correspondentes do R.
Eu tenho grandes notícias.
Durante uma viagem de negócios, à noite, eu geria as máquinas lerning nos meus dados. Tentei diferentes combinações de abordagens. E parece que uma flor de pedra apareceu - de repente.
Então, tenho usado meus dados do link que citei para fazer mais e mais treinamentos, tentando coisas que já foram descritas no meu blog. Mas eu acrescentei mais alguns truques. Por exemplo, eu selecionei aqueles parâmetros de treinamento onde há mais lucro na validação cruzada, ao invés de adivinhar a precisão abstrata.
Para isso, claro, tive de escrever a minha função de aptidão física.
No gráfico estão os pares de valores de expectativa sobre Formação e Validação para diferentes horizontes de previsão e parâmetros de formação. Usei também a ideia de uma "zona cinzenta", ou seja, um espaço de previsão onde nada acontece.
Como podem ver, obtive valores de MO bastante sãos tanto no treino como valores correlacionados na validação! Note que a simulação utilizou um spread de 0.00020 (vinte picks).
Eu também calculei o comércio total incluindo o spread. Os valores também são muito bons. O lucro máximo é alcançado a uma determinada relação entre o número de negócios e o MO do negócio, tudo isto num horizonte de planejamento de 12 horas. No gráfico está uma análise de todos os horizontes de planejamento, todos os valores de área cinza e os melhores parâmetros de aprendizagem do modelo. Veja abaixo:
Bem, e a fim de divulgar este conhecimento, estou anexando um arquivo com todos os resultados, incluindo até os parâmetros de treinamento do andaime. Mas sem as entradas. As entradas dos meus dados são seleccionadas. Isto vai ser um pequeno segredo. Vou pensar sobre o código completo da experiência ou não. Agora quero fazer a integração com o MT desta máquina, porque o resultado parece-me já bastante funcional.
Alexey
Eu tenho grandes notícias.
Durante uma viagem de negócios, à noite, eu geria as máquinas lerning nos meus dados. Tentei diferentes combinações de abordagens. E parece que uma flor de pedra apareceu - de repente.
De qualquer forma, nos meus dados do link que dei, corri o treino uma e outra vez, tentando coisas que já foram descritas no meu blog. Mas eu acrescentei mais alguns truques. Por exemplo, a seleção daqueles parâmetros de treinamento onde há mais lucro na validação cruzada, ao invés da precisão abstrata da adivinhação.
Para isso, claro, tive de escrever a minha função de aptidão física.
No gráfico estão os pares de valores de expectativa sobre Formação e Validação para diferentes horizontes de previsão e parâmetros de formação. Usei também a ideia de uma "zona cinzenta", ou seja, um espaço de previsão onde nada acontece.
Como podem ver, obtive valores de MO bastante sãos tanto no treino como valores correlacionados na validação! Note que a simulação utilizou um spread de 0.00020 (vinte picks).
Eu também calculei o comércio total incluindo o spread. Os valores também são muito bons. O lucro máximo é alcançado a uma determinada relação entre o número de negócios e o MO do negócio, tudo isto num horizonte de planejamento de 12 horas. No gráfico está uma análise de todos os horizontes de planejamento, todos os valores de área cinza e os melhores parâmetros de aprendizagem do modelo. Veja abaixo:
Bem, e a fim de divulgar este conhecimento, estou anexando um arquivo com todos os resultados, incluindo até os parâmetros de treinamento do andaime. Mas sem as entradas. As entradas dos meus dados são seleccionadas. Isto vai ser um pequeno segredo. Vou pensar sobre o código completo da experiência ou não. Agora quero fazer a integração com o MT desta máquina, porque o resultado parece-me já bastante funcional.
Alexey
O lucro total em pips não é um indicador. É a relação entre este lucro total e o número de barras da história, sobre a qual é obtido, que é o factor de qualidade que é indicativo. Eu venho dizendo há muito tempo e eu o uso apenas para otimização e estimativa de modelos.
O trabalho duro dá resultados.
Boa sorte.
O lucro total em pips não é o indicador. É a relação deste lucro total com o número de barras da história, sobre a qual ele é obtido, que é o fator de qualidade que é indicativo. Eu venho dizendo há muito tempo, e eu o uso apenas para otimização e estimativa de modelos.
O trabalho duro dá resultados.
Boa sorte.
A meu ver, um não exclui o outro.
Alexey superou a desvantagem óbvia de todas as avaliações de previsão de classificação: é óbvio que o valor de uma previsão correta de 1 pip bar e o valor de uma previsão de 10 pip bar são completamente diferentes.
Parabéns a você Alexey!
O lucro total em pips não é um indicador. É a relação entre este lucro total e o número de barras do histórico sobre o qual ele é obtido - este é o coeficiente de qualidade que é indicativo. Há muito tempo que o digo e o utilizo apenas para optimização e estimativa do modelo.
O trabalho duro dá resultados.
Boa sorte.
Deixa-me explicar.
Previsão com 12 horas de antecedência (724 minutos para ser exacto).
O número de negócios é superior a 5000 para cada uma das amostras de validação. O resultado é obtido através de uma média de 49 amostras de validação. As trocas dentro de cada amostra ocorrem em incrementos de cerca de 12 horas, ou seja, não há dependência óbvia e não há sobreposição de resultados. Vou publicar mais gráficos da simulação de negociação dentro de momentos. Os resultados são demasiado bons. Mas até agora está tudo confirmado.
Dados finais da minha experiência:
Simulação de sinais de negociação de uma máquina treinada em 49 amostras de validação (em pips):
Distribuição do resultado do comércio em pips para 49 amostras:
E realizar testes de hipóteses de uma diferença significativa entre a média (mediana) do MO de cada amostra de validação e zero:
A distribuição dentro das amostras não é normal. O teste Wilcoxon mostra que o MO é significativamente diferente de zero.
A propósito, a mudança no padrão de crescimento da curva da soma de pontos nas últimas 3/5 partes das amostras de validação é explicável.
Tenho um número aproximadamente igual de observações para os 5 maiores dentro das amostras e elas vão na seguinte ordem:
Tenho certeza que para os últimos três pares a volatilidade é maior e o spread é maior (devemos tomar 25-30 pips ao invés de 20 pips). Portanto, o seu resultado bruto e percentagem de direcções adivinhadas é melhor. Mas entrar em um spread maior não tornará as estatísticas nulas de qualquer maneira. Só para entender o que está a acontecer.
PM.
Do meu ponto de vista, um não exclui o outro.
Alexey superou a desvantagem óbvia de todas as avaliações de previsão de classificação: obviamente, o valor de uma previsão correta de 1 pip bar e o valor de uma previsão de 10 pip bar são completamente diferentes.
Parabéns a você Alexey!
Aviso. Encontrei um bug no código, o que causou grandes resultados. Todas as minhas otimizações são canceladas até a análise detalhada!