Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 944
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
Ontem eu também fiz um conjunto para 2017 - também há dentro de 30% dos dados corretos, mas o que me surpreende é que eu obtenho resultados semelhantes em diferentes conjuntos de preditores (eu os dividi em dois grupos). Será aleatoriedade, ou apenas uma oportunidade de usar a floresta?
Não há necessidade de olhar para a precisão, é uma má métrica, especialmente quando há muitas aulas. Por exemplo, 50% de todas as amostras no caso em que eu treinei a última árvore são de classe "0". A árvore pode sempre retornar "0" e já estar certa em 50% dos casos (em vez de 33% aleatoriamente), o resultado parece ser melhor que aleatório, mas é óbvio que a árvore é inútil.
Melhor métrica, por exemplo -https://en.wikipedia.org/wiki/Cohen's_kappa
A fusão é melhor fazer a partir do último arquivo que anexei - aí a divisão é ligeiramente mais precisa do que 0 - tudo o que não trouxe lucro, e nos arquivos anteriores 0 também é o que trouxe um lucro muito pequeno.
É melhor ser você a fazê-lo. Há dois targetets, cada um com um monte de aulas, não quero ficar confuso.
Preciso de um targetet com 3 aulas -
"-1" para entrar abreviadamente.
"1" para entrada longa.
"0" se as posições longa e curta forem ambas negativas (ou ambas são positivas, se alguma vez forem)
É mais fácil treinar uma árvore como esta do que treinar 4 como antes. E é mais fácil de negociar com ele.
O que me surpreendeu, porém, foi que ao aumentar o número de alvos a classificação funcionasse melhor fora da amostra de treinamento. Talvez eu deva aumentar o número de classificações diferentes?
Deve ser verificado muitas vezes. Se for confirmado, está tudo bem. Talvez a árvore aprenda a identificar bem certas classes, por exemplo, o lucro de pelo menos 100 pontos ou algo semelhante. Então será possível fazer novos alvos com tal lógica para a conta real.
Por exemplo, podemos criar dez classes - "0" se a posição longa for perdida em qualquer caso, "1" se a posição longa for ganha de 0 a 100 pontos. "2" se o lucro longo estiver entre 100 e 200 pips. "-1" se o lucro curto for de 0 a 100 pips. "-2" se o lucro dos calções estiver entre 100 e 200 pips. etc. Então pela tabela de resumo das respostas certas e erradas poderemos ver se alguma classe será claramente melhor do que as outras.
p.s. Eu nunca o fiz. Talvez eu esteja a dizer disparates. Mas se você entrar em árvores e muitas aulas, então tal teste é uma continuação lógica da experiência.
PS Eu posso te dar acesso ao meu laptop via TW para que você não sobrecarregue o seu PC.
Não preciso disso agora, tenho alguns scripts de R bagunçado lá, estou tentando métodos diferentes de seleção de parâmetros. Se algo eventualmente se encaixar, e o resultado for melhor do que no seu programa - eu vou anexar o script aqui e você pode continuar a experimentar.
Se não entendes, não está a esse nível de abstracção, esquece).
Não é sobre o nível, é sobre o assunto. Um padrão é uma reação semelhante a um fator externo (irritante), no nosso caso, por exemplo, se o preço subiu X pontos, a probabilidade de que ele logo corrija é maior do que não. Ou, a cada 5 castiçais em alta em uma fila de castiçais pequenos indica uma alta probabilidade de um grande castiçal em baixa, que se sobreporá a pelo menos 3 dos castiçais em alta. Mas se a probabilidade destes eventos mudar, então para mim é uma mudança no padrão, e então o TS deixa de funcionar.
Mas a sua visão é diferente?
Você tem uma visão diferente?
Eu já descrevi minha visão rs
E não é apenas uma visão, é a realidade. Cabe a todos aceitá-lo ou não.
o nível de abstracção - não um pau de picles, mas porque é que os padrões mudam no mercado e com que periodicidade, causa e efeito. Estou cansado de me repetir.
Não preciso de olhar para a precisão, é uma má métrica, especialmente quando há muitas aulas. Por exemplo, no caso em que eu treinei a última árvore - 50% de todos os exemplos são de classe "0". A árvore pode sempre retornar "0", e estará certa em 50% dos casos (em vez de 33% aleatoriamente), o resultado parece ser melhor que aleatório, mas é óbvio que a árvore é inútil.
Uma métrica melhor seriahttps://en.wikipedia.org/wiki/Cohen's_kappa, por exemplo.
Mais tarde vou tirar todas as regras dos dois modelos e ver qual é o resultado se eu somar os dois modelos. Agora coloquei uma rede em treinamento por interesse, talvez ela pegue algo, mas já está pegando há 12 horas - isso é normal até para redes?
É melhor ser você a fazê-lo. Há dois targetets, cada um com um monte de aulas, eu não quero ficar confuso.
Preciso de um alvo com 3 classes -
"-1" para entrar abreviadamente
"1" para entrada longa
"0" se tanto o longo como o curto são negativos (ou ambos são positivos, se alguma vez forem)
É mais fácil treinar uma árvore como esta do que treinar 4 como antes. E é mais fácil de trocar usando-o.
Está bem, vou fazer isso em breve e afixá-lo aqui.
Isto tem que ser testado repetidamente, se confirmado, então, frio. É possível que a árvore aprenda a identificar bem classes específicas, por exemplo, lucro de pelo menos 100 pontos, ou similar. Então será possível fazer novos alvos com tal lógica para a conta real.
Por exemplo, podemos criar dez classes - "0" se o longo está perdendo em qualquer caso, "1" se o longo está ganhando de 0 a 100 pontos. "2" se o lucro longo estiver entre 100 e 200 pips. "-1" se o lucro curto for de 0 a 100 pips. "-2" se o lucro dos calções estiver entre 100 e 200 pips. etc. Então pela tabela de resumo das respostas certas e erradas poderemos ver se alguma classe será claramente melhor do que as outras.
p.s. Eu nunca o fiz. Talvez eu esteja a dizer disparates. Mas se você tiver com árvores e muitas aulas, então este teste é uma continuação lógica da experiência.
Penso que a árvore funciona na eliminação, ou seja, se encontrar 1, então todo o resto 0, mas quando há mais variantes começa a classificar os zeros restantes, em vez de os amontoar, o que reduz o erro (mas esta é a minha hipótese). E, para ajudar a classificar esses outros 2,3,4 eu penso em acrescentar um preditor que indicará não apenas o resultado financeiro dos inputs, mas que, com base nos outros preditores disponíveis, formará um sinal para os inputs, então deverá haver feedback, ou seja, eu penso em acrescentar uma justificação diferente dos inputs e do seu resultado financeiro. A dificuldade aqui será no caso de entradas conflituosas de diferentes TS, talvez apenas colocar esta situação num grupo separado.
Estou a tentar métodos diferentes de selecção de parâmetros. Se algo eventualmente funcionar, e o resultado for melhor do que no seu programa - eu vou anexar o script aqui, você pode continuar a experimentar.
Se precisar dele, por favor, avise-me, enquanto o hardware estiver ocioso de qualquer maneira.
Eu já descrevi a minha visão rs.
E não é apenas uma visão, é a realidade. Cabe a todos aceitá-lo ou não.
o nível de abstracção - não o pickle stick, mas porque é que os padrões mudam no mercado e com que periodicidade, causa e efeito. Estou cansado de me repetir.
Então eu respondi que a ferramenta mostra disparates e se concentra em tendências, o que não é verdade.
Então eu respondi que a ferramenta estava mostrando absurdo, focando em tendências, o que é errado.
acordado
acordado
Ou seja, os ciclos podem estar lá, só que a ferramenta não é a mesma - é uma percepção visual.
Por favor, diga-me se tem 1001 critérios e eu estou errado. Não adianta desafiar, eu disse sobre minha percepção visual, se eu estiver errado, eu gostaria de saber se eu estou errado.
Ou seja, os ciclos podem estar lá, só que a ferramenta não é a mesma - é uma percepção visual.
Por favor, diga-me se tem 1001 critérios e eu estou errado. Não adianta eu discutir, eu disse minha percepção visual, se eu estiver errado eu gostaria de saber que estou errado.
Eu mostrei alguns periódicos reais, e a decomposição também os define
Vladimir Perervenko usa a análise espectral, que é muito semelhante
como usá-lo na prática, deixar que todos tenham uma imaginação criativa doentia, porque eu não estou dando conselhos até que o graal esteja terminado
Eu tenho mostrado algumas periodicidades reais, e a decomposição também as determina
Vladimir Perervenko usa a análise espectral, que é muito semelhante a
Como usá-lo na prática, deixe todos usarem sua fantasia criativa doentia, porque não estou dando conselhos até que o graal esteja pronto.
Acha que estes ciclos existem em pequenas TF? Vamos dar uma olhada, vai haver mais bares lá!