Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2806

 
Aleksey Vyazmikin #:

Tente marcar para comprar e vender, selecionando um modelo mais equilibrado pelo número de entradas e, em seguida, divida a amostra em duas e crie dois modelos separados.

Se você quiser treinar separadamente em um mercado em alta e em um mercado em baixa, os sinais serão calculados em média de qualquer forma.

Tudo é lógico, as negociações de contra-tendência geralmente são ineficazes em mercados de tendência, com algumas exceções de scalper.

Acabei de mostrar que você pode entender melhor como o modelo funciona.

 
Maxim Dmitrievsky #:

Ah, bem, principalmente indicadores padrão e seus derivados?

Inicialmente, usei minha experiência de negociação, minha visão da interação de preços com diferentes indicadores, níveis de preços e outros padrões - algo confirmado e algo não. Dito isso, estou mais reclamando do modelo, que lança eventos confiáveis, mas raros.....

Eu costumava ser cético em relação aos osciladores, mas experimentos recentes mostraram que eles têm sinais estáveis, por exemplo, o MACD.

 
Maxim Dmitrievsky #:

Então, os sinais serão calculados em média de qualquer forma.

Em geral, tudo é lógico, as negociações de contra-tendência geralmente são ineficazes em mercados de crack, com algumas exceções de scalper.

Acabei de mostrar que você pode entender melhor como o modelo funciona.

Em média, haverá três modelos - um determina qual dos dois modelos deve ser usado.

Você obteve a mesma lucratividade para compra e venda?

Sim, você demonstrou corretamente que a eficácia do modelo depende dos dados, é claro.

 
Aleksey Vyazmikin #:

Em média, haverá 3 modelos - um determina qual dos dois modelos será usado.

Você tem a mesma rentabilidade para compra e venda?

Sim, foi demonstrado corretamente que a eficácia do modelo depende dos dados, é claro.

Ainda não dei uma olhada nas estatísticas das negociações.

3 modelos é interessante, a propósito, eu só tenho 2 até agora... faz sentido.

 

Houve várias postagens acima sobre não necessariamente remover preditores correlacionados.

Não posso aceitar a justificativa de que o algoritmo do modelo é robusto para preditores correlacionados.


Sim, o algoritmo é robusto se houver algumas partes de preditores correlacionados em um conjunto de cem preditores.

Mas e se todos os preditores estiverem correlacionados? E se a maioria estiver correlacionada? Onde está o limite?

Remover preditores correlacionados é revelar a qualidade do conjunto de preditores, e as características do algoritmo de um modelo específico com relação à correlação não têm importância alguma. Antes de modelar, deve-se apenas conhecer o modelo stricti em um preditor ou em cem. É necessário saber o número de preditores sobre os quais o modelo é construído.

 
mytarmailS #:

Iniciei seu script e ele apresenta alguns problemas que impedem sua operação posterior:

1. Uma vírgula em vez de um ponto final

2. as últimas colunas são perdidas.

Você pode consertar isso?

 
Aleksey Vyazmikin #:

Executei seu script e ele apresenta alguns problemas que impedem o uso posterior:

1. Uma vírgula em vez de um ponto final

2. as últimas colunas são perdidas.

Você pode consertar isso?

Você pode ser mais específico?

 
mytarmailS #:

Você pode ser mais específico?

Aqui está a parte direita da amostra em forma de tabela



Abaixo está a tabela dos resultados do script no mesmo local


Como você pode ver, não há colunas de informações, incluindo colunas de destino.

E essas colunas estão no início do arquivo, como se viu


Com relação à vírgula em vez de ponto como separador de números, cometi um erro ou o corrigi.

 
Vladimir Perervenko #:

Seu script está em execução há mais de um dia e ainda não criou um único arquivo com base nos resultados da triagem. Não sei, talvez seja hora de desligá-lo?

 
mytarmailS #:

Você pode ser mais específico?

Eu o troquei e parecia estar tudo bem.

df <- cbind.data.frame(df,not_used_vars_df)
Razão: