Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 434
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
Como mínimo, precisamos fazer transformações afins dos gráficos, pois os padrões estão em diferentes ângulos de inclinação (estruturas autoafinesas),
ou seja, comprimir ou esticar o modelo por height.... ? - opção interessante. Mas acho que a compressão não deve ser superior a 30-50%, caso contrário você pode tentar procurar padrões sobre o tempo volátil da sessão americana, por exemplo, por flutuações aleatórias noturnas. Tanto lá como lá existem diferentes padrões e diferentes jogadores.
Se tomarmos compressão de alongamento até 30-50% no trabalho, o aumento do número de padrões encontrados provavelmente não será muito grande, o que provavelmente não afetará muito a previsão e, portanto, pode ser negligenciado... No entanto, deve ser verificado.
E não está nada claro como implementar esta compressão no código MT sem usar produtos externos de prateleira...
pesquisa em diferentes tf
Parece-me que mesmo nos padrões M1 e M5 já são diferentes. E não é correcto procurar os mesmos padrões neles. Os padrões podem ser semelhantes, mas as razões que causaram esta forma de gráficos serão diferentes.
Não vejo nenhuma outra opção para comparar 2 gráficos de preços. Que outras opções existem...?
Suponha que existem duas matrizes de preços, cada uma tem 5 preços.
o primeiro é a1,a2,a3,a4,a5
o segundo é b1,b2,b3,b4,b5.
1) O gráfico de preços pode ser impedido, ou seja, pode ser colocado horizontalmente a partir de algum arranjo girado. Isto pode ser feito com uma regressão linear - encontre-a, e use a matriz de erros em vez da série de preços original. Se este passo vai ajudar a encontrar padrões, não sei, ainda não estudei o seu efeito em detalhe. Até agora não uso este passo eu mesmo.
2) É questionável chamar uma linha de preços de padrão; tem de haver uma descrição matemática da forma formada por estes preços. Por exemplo, podemos encontrar o aumento de preço em cada barra e usar estes aumentos como uma certa descrição padrão.
o primeiro padrão é obtido pela fórmula a5-a4, a4-a3, a3-a2, a2-a1
o segundo é b5-b4, b4-b3, b3-b2, b2-b1.
3) "similaridade" de padrões - ou correlação (não verifiquei eu mesmo), ou distância cartesiana pelo teorema de Pitágoras (verifiquei, e funcionou muito bem) -
sqrt( ((a5-a4)-(b5-b4))^2 + ((a4-a3)-(b4-b3))^2 + ((a3-a2)-(b3-b2))^2 + ((a2-a1)-(b2-b1))^2 )
ou outra coisa qualquer, acho que deve haver melhores opções.
Isto é, encolher ou esticar o padrão em altura.... ? - opção interessante. Mas eu acho que você não deve esticar o padrão em mais de 30-50%, caso contrário você pode tentar procurar padrões sobre o tempo volátil da sessão americana, por exemplo, por flutuações aleatórias noturnas. Tanto lá como lá existem diferentes padrões e diferentes jogadores.
Se tomarmos compressão de alongamento até 30-50% no trabalho, o aumento do número de padrões encontrados provavelmente não será muito grande, o que provavelmente não afetará muito a previsão e, portanto, pode ser negligenciado... No entanto, deve ser verificado.
E não está nada claro como implementar esta compressão no código MT sem usar produtos externos de prateleira...
Parece-me que mesmo nos padrões M1 e M5 já são diferentes. E não é correcto procurar os mesmos padrões neles. Os padrões podem ser semelhantes, mas as razões que geraram tal forma dos gráficos serão diferentes.
Para melhor compreensão, é melhor estudar as propriedades dos fractais. Em particular, como já escrevi - é escalada e auto-afinidade.
Escala, por definição - padrões semelhantes são formados em diferentes intervalos de tempo. Podemos tirar 1 min e construir um conjunto de TFs sintéticos com um determinado multiplicador e usar este conjunto para procurar um padrão semelhante ao actual.
Auto-afinidade - os padrões são semelhantes, mas nunca exactamente os mesmos. Este é o principal problema ao selecionar critérios de "similaridade", a correlação não é apropriada aqui.
A diferença manifesta-se mais na inclinação dos padrões (ângulo de inclinação da linha de regressão) do que na sua contracção/alongamento. Eu estava construindo o LR usando o padrão atual, então eu peguei citações de outras parcelas e mudei o ângulo de inclinação do LR para o ângulo de inclinação do padrão atual e como resultado ele encontrou padrões similares mais frequentemente. E ao criar uma previsão, a curva de previsão foi transformada considerando a inclinação do LR do padrão atual.
A seguir. A auto-afinidade (auto-similaridade) dos fractais tem mais uma característica interessante - formamos exactamente os mesmos, mas mais pequenos, dentro de um padrão grande. Algoritmo de busca - (por exemplo) pegue as últimas 500 barras de 1 hora de intervalo com 10 barras de avanço e no testador passamos por períodos de minutos ou 5 minutos procurando por padrões, semelhantes ao padrão de 1 hora. Se o encontrarmos, projetamos as últimas 10 barras de 1 hora para o padrão de 5 minutos - esta é a previsão. Faça isto também, tendo em conta os ângulos das regras. Foi assim que eu o fiz.
Ainda não fiz a validação cruzada num grupo de padrões consecutivos, mas parece ser um tópico interessante.
Suponha que temos duas matrizes de preços, com 5 preços em cada
o primeiro é a1,a2,a3,a4,a5
o segundo é b1,b2,b3,b4,b5
1) O gráfico de preços pode ser impedido, ou seja, pode ser colocado horizontalmente a partir de algum arranjo girado. Isto pode ser feito com uma regressão linear - encontre-a, e use a matriz de erros em vez da série de preços original. Se este passo vai ajudar a encontrar padrões, não sei, ainda não estudei o seu efeito em detalhe. Eu próprio ainda não uso este passo.
2) É questionável chamar uma linha de preços de padrão; tem de haver uma descrição matemática da forma formada por estes preços. Por exemplo, podemos encontrar o aumento de preço em cada barra e usar estes aumentos como uma certa descrição padrão.
o primeiro padrão é obtido pela fórmula a5-a4, a4-a3, a3-a2, a2-a1
o segundo é b5-b4, b4-b3, b3-b2, b2-b1.
3) "similaridade" de padrões - ou correlação (não verifiquei eu mesmo), ou distância cartesiana pelo teorema de Pitágoras (verifiquei, e funcionou muito bem) -
sqrt( ((a5-a4)-(b5-b4))^2 + ((a4-a3)-(b4-b3))^2 + ((a3-a2)-(b3-b2))^2 + ((a2-a1)-(b2-b1))^2 )
ou outra coisa qualquer, acho que deve haver melhores opções.
Eu notei uma característica interessante: é possível procurar padrões não em gráficos, mas no indicador RSI. O que é interessante, não importa o quanto detrender e girar o gráfico, o RSI baseado nele mostrará quase a mesma coisa, ou seja, não há necessidade de girar os gráficos por um ângulo. Mas a saída (previsão) ainda precisará ser convertida para contabilizar a inclinação da LR. Além disso, você pode construir correlações cruzadas e outras coisas nos indicadores resultantes.
Maxim Dmitrievsky eDr. Trader
Você parece ter gasto muito tempo procurando padrões na história, como o indicador que eu fiz.
Você ainda o usa ou mudou para redes neurais já que a busca por padrões não era promissora? Ou os resultados destas abordagens são os mesmos, e a única diferença é a velocidade?
Maxim Dmitrievsky eDr. Trader
Você parece ter gasto muito tempo procurando padrões na história, como o indicador que eu fiz.
Você ainda o usa ou mudou para redes neurais já que a busca por padrões não era promissora? Ou a eficiência destas abordagens é a mesma, e a única diferença é a velocidade?
Eu desisti do meu trabalho com padrões porque não produziu o resultado esperado que eu queria, voltarei ao assunto mais tarde. Voltarei ao assunto mais tarde. E é muito descobrir e fazer isso, demorado e não óbvio até o fazeres. Antes disso meu amigo e eu tivemos alguns desenvolvimentos de análise fractal com Weierstrass-Mandelbrot fii, mas lá nós usamos correlação também, eu só encontrei padrões normais às vezes. Agora, se eu for capaz de usar convoluções ou pensar em alguma nova forma de procurar padrões, eu voltarei... em resumo, estou preso à correlação, não me serve.
Aqui, se você estiver interessado, há 100 anos eu gravei um vídeo introdutório sobre análise fractal. Está directamente relacionado com a análise de padrões, do meu ponto de vista.
E em que princípio é que a simples NS (simples MLP) faz uma previsão?
Parece-me na correlação habitual - porque o peso das conexões entre neurônios cresce com o número de repetições do sinal ao longo desta linha quando a resposta do NS coincide, se a linha estava em + ou em - permanece em torno de 0 - e isto é essencialmente uma simples média. Depois, usando estes pesos, encontramos a semelhança da combinação de preditores de entrada com a média para o período de treinamento.
Ainda não desisti, estou a tentar algoritmos diferentes para espremer mais lucro dos padrões.
Em comparação com os neurónios esta abordagem dá-me mais possibilidades, até escrevi antes que estou a tentar ter em conta a influência do tempo (por exemplo, diminuindo a semelhança dependendo de há quanto tempo o padrão semelhante foi encontrado), mais os diferentes truques. Não se pode fazer isso na neurónica.
O meu neurónio nunca pode aprender a negociar com lucro usando apenas preços. Mas o modelo padrão fez, por isso a escolha é óbvia :)
Mas você pode usar a neurônica em diferentes indicadores. Mas não importa se é um neurônio, uma floresta ou mesmo um modelo linear, tudo funcionará se os indicadores e a meta para o treinamento forem escolhidos corretamente.
Isto é, se você lida com padrões - você precisa gastar muito tempo para criar um método de avaliação de "similaridade" de padrões e você não encontrará muita informação útil sobre o assunto, você precisa experimentar muito.
E se você lida com indicadores - muito tempo será necessário para a seleção de indicadores e para fins de treinamento; a seleção e o treinamento de um modelo (neurônio, floresta, impulso) não levará muito tempo.
Eu desisti de trabalhar com padrões porque não deu o resultado esperado que eu queria, voltarei ao tema mais tarde. Voltarei ao assunto mais tarde. E é muito para pensar e fazer, trabalhoso e não óbvio até o fazeres. Antes disso meu amigo e eu tivemos alguns desenvolvimentos de análise fractal com Weierstrass-Mandelbrot fii, mas lá nós usamos correlação também, eu só encontrei padrões normais às vezes. Agora se eu conseguir usar a convolução ou inventar alguma nova maneira de procurar padrões, eu voltarei... em resumo, estou preso à correlação, não é bom o suficiente
a única opção é pedir ajuda ao homem do estábulo) ele vai me ensinar como um homem de verdade deve trocar.... não são os padrões e a ciência que são importantes, mas a coragem e a força... e você precisa de uma barba chechena de verdade... então o mercado não vai resistir a um guerreiro inflexível e com princípios.....
hutch style trading rules..........