Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 269
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
A história de erro de encaixe do modelo zero aqui publicada é puramente alquímica por natureza.
1. erro de montagem do modelo = 0. Bem, não funciona assim, não pode ser. Como pode ser? 1% pode ou não pode? E 5% pode ou também não pode? Quantos %% você precisa para que "pode"?
2. Dois conceitos: redesenhar e olhar para o futuro. O que são eles? Foi usada uma prova surpreendente: de alguma forma, encontrou indicadores suspeitos, deitou-os fora e teve um erro de encaixe = 50%. É isso mesmo. Provado. Olhando em frente. Qual é o objecto da prova, qual é a prova em si .... Sem comentários.
Ou talvez o assunto seja muito mais profundo e a alquimia não tenha permitido entrar no problema?
Eu chamei o problema acima: métodos de análise e métodos de previsão são diferentes, têm suas próprias especificidades e não se pode simplesmente transferir métodos de análise para previsões - é preciso provar a admissibilidade de aplicar métodos de análise a previsões.
No nosso exemplo.
Pegamos alguns indicadores (nenhum deles realmente importa) e calculamos seus valores para toda a amostra sobre a qual vamos ensinar e testar o modelo. Não há nenhum problema para a análise do passado. Mas para prever tal abordagem deve ser provada, porque estamos interessados no próximo bar após o que temos. Isso significa que devemos pegar uma janela e calcular todos os indicadores nela, e depois encaixar o modelo. Quando chegar um novo bar, devemos repetir este procedimento novamente. Se a história mudou ou não, não tem interesse. O modelo deve ser construído sobre os valores da última barra indicadora. Quando calculamos o indicador para toda a amostragem, então é provável que os valores deste indicador NÃO contenham os valores da última barra durante o movimento da janela.
Portanto.
Se quisermos ensinar modelos ON TIMES, devemos usar os valores indicadores que são derivados dos valores da última barra quando a janela se move ao longo da amostra de treinamento.
PS.
Se você usar este método para um ziguezague, então, dependendo do algoritmo de ziguezague, você receberá zeros ou pontos ou linhas que não têm nada a ver com o ziguezague. E não se fala em redesenhar e olhar em frente - não se pode usá-lo, só isso.
Existe um novo e muito promissor pacote RKEEL gateway para a KEEL.
Boa sorte.
Você pode ao menos dizer em duas palavras qual é a promessa do pacote? ou três )
A história aqui publicada com zero erro de ajuste do modelo é puramente alquímica na natureza..................
Eu não entendi uma palavra :)
Você pode ao menos dizer em duas palavras qual é a promessa do pacote? Ou três )
===========================================================
Explicando:
1. O produto de software "KEEL" permite criar, testar e investigar diferentes classes de modelos para resolver problemas de regressão, agrupamento e classificação sem o conhecimento profundo da linguagem R. É um programa semelhante ao rattl , mas mais avançado.
O programa é construído com "cubos"/módulos gráficos prontos, rápidos e claros, semelhantes ao KNIME, mas mais simples. Após o protótipo, o programa terminado é simplesmente transferido para R com o pacote "RKEEL".
Esta representação gráfica do programa, composta por módulos, acelera muito e facilita a sua criação, especialmente para os iniciantes na programação, que são na sua maioria traders. Existem programas análogos para o R - "RedR" e "RAnaliticFlow", mas são pouco apoiados.
2. Um grande número de módulos para pré-processamento e transformação de variáveis é oferecido, o que é bom.
3. Muitos algoritmos originais são propostos que não estão em R.
A variedade de métodos de extração de conhecimento dos dados permite resolver tarefas de negociação de forma mais flexível.
Boa sorte.
O que você disse? Não entendi :)
Você tem que digitar os últimos valores
{
X29_1 <- TrendDetectionSMA(D[i:i+windows,])
X29[i+windows] <- X29_1[windows]
}
Como resultado X29 será constituído por ÚLTIMOS valores, os penúltimos valores não serão corrigidos para os indicadores redesenhados
Se queremos aprender modelos EM TEMPO, devemos usar valores indicadores obtidos da última barra enquanto movemos a janela de treinamento ao longo da amostra de treinamento.
Eu mesmo o fiz, veja o código que anexei há algumas páginas e a sua descrição.
O problema é que esses 6 indicadores dão resultados de NA para a última barra. E então, ao analisar as barras subseqüentes - mudar este valor de NA para outra coisa, o resultado das barras anteriores é alterado de acordo com os novos dados (na linguagem comum - "re-flipping").
Como resultado, ensinamos o modelo usando os mesmos resultados, e quando queremos receber uma previsão com novos dados - estes indicadores nos dirão NA, em vez dos valores necessários, o que é inaceitável.
Se você quiser analisar estes indicadores, aqui está o arquivo rdata, com os valores dos indicadores obtidos na janela deslizante. Os valores desses seis indicadores redesenhados são tomados não para a última barra, mas para a penúltima, a fim de ter algo em vez de NA.
Eu mesmo o fiz, veja o código que anexei há algumas páginas e a sua descrição.
O problema é que esses 6 indicadores dão resultado NA na última barra. E então, ao analisar as barras subseqüentes - mudar este valor de NA para outra coisa, ocorre alterar o resultado das barras anteriores de acordo com os novos dados (na linguagem comum - "re-flipping").
O resultado será que ensinaremos o modelo usando os mesmos resultados redesenhados e, quando quisermos obter uma previsão com novos dados, esses indicadores nos dirão NA, em vez dos valores necessários, o que é inaceitável.
Se você quiser analisar estes indicadores, aqui está o arquivo rdata, com os valores dos indicadores obtidos na janela deslizante. Os valores desses seis indicadores foram tomados não para a última barra, mas para a última, mas para que houvesse algo em vez de NA.
Encontrei uma revisão sobre Aprendizagem Profunda em R
Um artigo superficial com muitas imprecisões. Obviamente escrito por estudantes como um trabalho de termo.
Queria escrever um comentário, não consegui encontrar onde o fazer.
É bom como uma revisão popular, mas não como um guia.
Boa sorte.
Porque é que toda a gente está tão fixada em modelos? Porque é que ninguém fala de sinais? Porque é que ninguém fala de não-estacionariedade? Por que ninguém tenta resolver estes problemas? Por que ninguém pensa no que impulsiona os preços?
Se você usar um estocástico, não importa o modelo que você usa, seja um KNN usual ou a rede profunda mais sofisticada,a precisão será de 51-53%, não importa quão profunda seja. Para que servem estes modelos se a entrada é lixo? Não, mas 95% da atenção aos modelos, para mim pessoalmente os modelos são a última etapa do sistema, e são apenas 2% do trabalho
Entretanto, vou partilhar os meus resultados...
O meu algoritmo extremo ....
Até agora, não existe nenhum MO no sentido clássico, mas o reconhecimento está presente.
O sistema de tomada de decisão é semi-automático.
na primeira etapa, o algoritmo reconhece algumas formações e me dá
Na segunda etapa eu avalio com meus olhos o que ele calculou e tomo uma decisão de negociação. Embora ele avalie muito fácil e sem ambigüidade eu ainda não posso transferir a segunda etapa para o modo automático de reconhecimento, então na verdade o sistema é semi-manual ainda
O sistema é intradiário, a negociação é no tempo de 5M, um dia há cerca de 20 negociações em média, em 15 dias de negociação foram apenas dois dias com uma pequena perda
No gráfico vermelho de rentabilidade é o mesmo preto mas com a comissão tomada em consideração
também transferiu negócios para software de análise tecnológica para uma compreensão mais flexível e profunda
E vou acrescentar mais sobre a não-estacionariedade, olha para este pico selvagem de volatilidade, que marquei com uma seta há alguns dias, digo-te com confiança que todos os sistemas que negociaram em parâmetros fixos, todos eles foram esmagados, na verdade toda esta volatilidade é o seu stop loss, mas eu divirto-me disto ....
Então o que eu quero dizer é que para reagir mais ou menos adequadamente aos movimentos do mercado, o sistema de tomada de decisão deve ser constantemente corrigido nos seus parâmetros adequadamente ao mercado(o que eu disse uma vez sobre Fourier) ou o sistema deve ser geralmente não paramétrico, caso contrário eu não sei como ((
E nenhuma grade ajudará, por mais profunda que seja, se você usar estocásticos.
Boa sorte.