Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 692

Novo comentário
[Excluído]  
Mihail Marchukajtes:

Esta é a primeira opção, e a segunda é construir modelos pequenos sem adaptação durante um período de tempo relativamente curto. Por assim dizer, a invadir o mercado. Você entra, com otimismo, tira um par de bons negócios dos plebeus, e fica fora até a próxima vez....

Você pode desligar a memória a longo prazo em um bot e será como um recém-nascido todos os dias, mas a falta de experiência a longo prazo é sempre um fiasco e o dia da Marmota

 
SanSanych Fomenko:

Eu não preciso pensar - para mim, é uma fase passada com um arquivo bastante grande de resultados experimentais.

Vou repetir o que já escrevi muitas vezes.

1. ZZ alvo.

2. Eu inventei cerca de 200 preditores para este alvo.

3. 27 preditores de 200 de acordo com o algoritmo "influência sobre o alvo

4. selecionei preditores de 27 preditores em cada barra e alterei o número de preditores selecionados de 6-7 para 15 de 27.

5. Encaixe do rf. O erro de ajuste é de pouco menos de 30%.


Sem ciclos infinitos. 30% é um resultado muito bom, mas em teoria. Eu não consegui construir um Expert Advisor prático usando este resultado, eu tive que adicionar indicadores de tendência. Agora estou mudando os indicadores (lixo) para o GARCH.

O que tenho que provar, as abordagens são idênticas porque é um princípio, e o que é rfe?

P.S. Eu tenho modelos contados em indicadores cujo output tem seta para cima ou para baixo. O Expert Advisor tem a função de um "abridor" confiável.

[Excluído]  
SanSanych Fomenko:

Não preciso de pensar - para mim, foi feito, com um arquivo bastante grande de resultados experimentais.

Bem, não temos de o fazer se tu não o conseguires fazer.

você pensaria que éramos mais espertos do que você :)

PS eu habituo-me a aprender com a experiência dos outros.

 
Maxim Dmitrievsky:

Você pode simplesmente desligar a memória a longo prazo do bot e ele renascerá todos os dias, mas a falta de experiência a longo prazo é sempre um dia de fiasco e marmota.

A super-optimização diária pela manhã não é boa, aqui estou de acordo. O TC precisa de um intervalo um pouco mais prolongado para trabalhar. Na minha M15 por semana está certo. Se eu considerar 40 sinais em treinamento onde o intervalo de confiança para o modelo é cerca de 20 incluindo 5 no OOS (sexta-feira) os outros 15 já estão trabalhando, geralmente 3-4 ofertas por dia, então é uma semana para mim! É dia de marmota outra vez, ou melhor, semana de marmota, por isso é trabalho... Não posso evitá-lo :-). Mas eu gosto, e o Steve Jobs tinha razão. "Não há melhor emprego do que um hobby bem pago.

 
Maxim Dmitrievsky:

Bem, não temos de o fazer se tu não o conseguires fazer.

Você pensaria que éramos mais espertos que você :)

P.S. Estou a aprender com as experiências de outras pessoas.

Eu não disse que não funcionava. Eu fiz, e muito bem - eu consegui resolver alguns problemas financeiros.

Mas o meu Expert Advisor foi requalificado e a fonte dos indicadores dos quais estou a tentar livrar-me.

 
Mihail Marchukajtes:

"Não há melhor emprego do que um hobby bem pago".

Saint-Simon colocou esta declaração 200 anos antes de Jobs como a base do socialismo utópico.

 
SanSanych Fomenko:

Saint-Simon, 200 anos antes de Jobs, baseou o socialismo utópico nesta premissa.

Muito possivelmente. Eu não vou discutir...

 
Mihail Marchukajtes:

Mas acho que uma VI métrica não será suficiente. Devemos tentar calcular a redundância e tentar reduzir o número de colunas.

Talvez já existam funções prontas que permitam estimar os dados de entrada para saída além da informação mútua????

Existem muitas bibliotecas (pacotes) em R para muitos casos, incluindo a seleção de preditores (colunas).
https://cran.r-project.org/web/packages/available_packages_by_name.html são bibliotecas oficialmente suportadas, e há mais centenas no githab. Você pode pesquisar lá por palavras-chave para o que você precisa.

Para determinar a API de cada preditor com propósito funciona bem o pacote vtreat (função designTreatments, procure pelo seu nome neste site, ele dará muitos links para este tópico com exemplos).
Também dei recentemente um exemplo de como usar o pacote FSelector para encontrar um bom conjunto de preditores -https://www.mql5.com/ru/forum/86386/page643#comment_6472393
Há vários outros pacotes oferecidos - FSelectorRcpp, CORElearn, VSURF, VarSelRF, Boruta.

Boruta parece-me ser o mais fácil de usar (mas talvez não o melhor), só tens de correr esse código e esperar...

#  install.packages("Boruta", dependencies=T) #  эту строчку нужно запустить всего 1 раз чтобы автоматически установить пакет
# library(Boruta) #  эту строчку нужно запустить каждый раз когда вы заново открываете R или RStudio, чтоб загрузить пакет в память
forexFeatures <- read.csv2("Qwe.txt", dec=".")
Boruta(TargetProf ~ . , data = forexFeatures) #запуск  с дефолтными параметрами
Boruta(TargetProf ~ . , data = forexFeatures, doTrace = 1, maxRuns = 1000) #больше  логов на экране, и больше итераций алгоритма, результат должен быть качественней чем дефолтный
O código dará"4 atributos importantes: AD10, Del, Del2, N;", assim você pode pegar somente estes 4 e tentar ensinar o modelo com eles.
N (número ordinal) também é considerado bom porque a classe 1 é concentrada no início do arquivo com N pequeno. Geralmente é melhor remover primeiro da tabela essas colunas que apenas trazem informações para o usuário e não para os modelos.
forexFeatures <- forexFeatures[,-1]
Boruta(TargetProf ~ . , data = forexFeatures, doTrace = 1, maxRuns = 1000)
# 2 attributes confirmed important: AD10, Del;
 
Dr. Trader:

R tem muitas bibliotecas (pacotes) para muitos usos, incluindo a seleção de preditores (colunas).
https://cran.r-project.org/web/packages/available_packages_by_name.html são bibliotecas oficialmente suportadas, e há mais centenas no githab. Você pode pesquisar lá por palavras-chave para o que você precisa.

Para determinação do VI de cada preditor com propósito funciona bem o pacote vtreat (design da funçãoTratados, pesquisa pelo seu nome neste site, ele dará muitos links para este tópico com exemplos).
Também dei recentemente um exemplo de como usar o pacote FSelector para encontrar um bom conjunto de preditores -https://www.mql5.com/ru/forum/86386/page643#comment_6472393
Há vários outros pacotes oferecidos - FSelectorRcpp, CORElearn, VSURF, VarSelRF, Boruta.

Boruta me parece o mais fácil de usar (mas talvez não o melhor), você só tem que rodar este código e esperar

Mm-hmm. Já fiz o download de um monte de coisas, mas o meu conhecimento de R é pobre, e é por isso que os tamborins estão acontecendo. Mas obrigado pela informação. Acho que preciso de me contentar com um conjunto específico de métricas, que serão suficientes para análise. Eu também gostei do VI, olhando para os modelos e resultados dos testes que recebi, mas sinto que não é suficiente. Uma vez definido um conjunto de métricas, resta apenas expandir o conjunto de inputs, para que haja algo a escolher, e o mais importante é a qualidade dos inputs em relação ao output. Encontrar boas entradas para o seu TS é mais de metade da batalha... so to....

 
Dr. Trader:

R tem muitas bibliotecas (pacotes) para muitos usos, incluindo a seleção de preditores (colunas).
https://cran.r-project.org/web/packages/available_packages_by_name.html são bibliotecas oficialmente suportadas, e há mais centenas no githab. Você pode pesquisar lá por palavras-chave para o que você precisa.

Para determinação do VI de cada preditor com propósito funciona bem o pacote vtreat (design da funçãoTratados, pesquisa pelo seu nome neste site, ele dará muitos links para este tópico com exemplos).
Também dei recentemente um exemplo de como usar o pacote FSelector para encontrar um bom conjunto de preditores -https://www.mql5.com/ru/forum/86386/page643#comment_6472393
Há vários outros pacotes oferecidos - FSelectorRcpp, CORElearn, VSURF, VarSelRF, Boruta.

Boruta me parece o mais fácil de usar (mas talvez não o melhor), você só tem que rodar este código e esperar

O código dará"4 atributos confirmados importantes: AD10, Del, Del2, N;", assim você pode pegar somente estes 4 e tentar treinar o modelo com eles.
N (número ordinal) também é considerado bom porque a classe 1 é concentrada no início do arquivo com N pequeno. Geralmente, é melhor remover primeiro da tabela essas colunas que apenas levam informações para o usuário e não para os modelos.

Espera aí, deixa-me tentar outra vez. Só queria pedir um exemplo de código para usar....

1...685686687688689690691692693694695696697698699...3399
Novo comentário