Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1204

Novo comentário
 
Maxim Dmitrievsky:

A solução é encontrar os pesos ideais... por exemplo, como variar o posterior... do uniforme para o exponencial.

Não sou um defensor de modelos de caixas negras. Melhor quando tudo é transparente, com um simples significado "físico".

Por exemplo - calculamos a probabilidade a priori de uma correção se tornar uma inversão usando um grande histórico e depois recalculamos para cada correção particular a posteriori dependendo da hora do dia ou das características da tendência.

 
Aleksey Nikolayev:

Eu não sou a favor de modelos de caixas negras. É melhor quando tudo é transparente, com um simples significado "físico".

Por exemplo - calculamos a partir de um grande histórico a probabilidade a priori de uma correção se tornar uma inversão, e então recalculamos para cada correção específica para a probabilidade a posteriori, dependendo da hora do dia ou das características da tendência.

O simples significado físico das leis do Forex é desconhecido para nós, infelizmente.

 
Maxim Dmitrievsky:

o simples significado físico dos padrões forex não é conhecido para nós, infelizmente

É sobre a interpretabilidade do modelo.

 
Aleksey Nikolayev:

É sobre a interpretabilidade do modelo.

então você está fora do tema MO :) embora os metamodelos sejam facilmente interpretados através de suas métricas

 
Maxim Dmitrievsky:

Então você não está no tema MO :) embora os metamodelos sejam facilmente interpretados através de suas métricas

Porquê? imho, o problema é o mesmo que distinguir um gato de um cão por MoD

 
Igor Makanu:

Porquê? Na minha opinião, é o mesmo que distinguir um gato de um cão para o MoD

Porque é como falar línguas diferentes, na minha opinião...

distinguem-se por traços, claro... são fiches
 
Maxim Dmitrievsky:

então você está fora do MO :) embora os metamodelos possam ser facilmente interpretados através de suas métricas

Não sei se é sempre fácil, mas de alguma forma pode ser feito. Suponho que não é a rede neural em si, mas sua aproximação simplificada que deve fazer a negociação diretamente.

Sem métodos de MO (você pode chamá-lo de "análise exploratória inteligente") no nosso caso não pode passar sem)

 
Aleksey Nikolayev:

Não sei se é sempre fácil, mas de alguma forma pode ser feito. Suponho que não seja a rede neural em si que deve fazer directamente a negociação, mas a sua aproximação simplificada.

Sem métodos de MO (você pode chamá-lo de "análise exploratória inteligente") no nosso caso não podemos prescindir)

Agora eu quero adicionar a dependência de sinais nas distribuições aos parâmetros otimizados, eu fiz isso para começar, para ver

     double arr[];
     CopyClose(_Symbol,0,0,100,arr);
     double kurt = MathKurtosis(arr);
     double skew = MathSkewness(arr); 
     if(kurt > 2.0) if(rand()/32767.0<0.5) res = 0; else res = 1;
     else {
      if(skew >0) if(rand()/32767.0>prob_shift) res = 0; else res = 1;
      if(skew <0) if(rand()/32767.0<prob_shift) res = 0; else res = 1;

se a curtose for superior a algum valor (você pode optar por ela), então uma situação plana é observada e você pode comprar/vender com igual probabilidade (e então consertar todas as erradas)

mais adiante na assimetria, se houver um certo lado, então a probabilidade do sinal para comprar ou vender é deslocada

Esta é uma primitiva, mas é aproximadamente a forma como o optimizador pode seleccionar os alvos

Tudo o que você precisa obter da métrica é um erro de classificação em uma amostra de teste (para ser treinado em uma amostra de treinamento). Os hiperparâmetros são enumerados no otimizador, e o modelo com o menor erro é selecionado. O que é não-interpretável aqui? Você só precisa saber se tal modelo pode generalizar ou não, olhando para os erros nos dados de teste.

Acabei de fazer um exemplo de tal clunker.


 
Maxim Dmitrievsky:

Agora quero adicionar a dependência de sinais nas distribuições aos parâmetros a serem otimizados, fiz isto para começar, para ver

Ao que parece, há uma dependência...

Treinei "SMM" (modelo Markoviano oculto) em retornados, dividi-o em 10 estados e treinei-o sem um professor, dividiu distribuições diferentes por si só


distribuições estatais.


E aqui agrupei os retornos por estados, ou seja, cada fila é um estado de mercado separado.

Alguns estados (1,4,6,8,9) têm muito poucas observações, pelo que não podem ser tidas em conta

E agora vou tentar regenerar a série, ou seja, fazer uma soma cumulativa, se alguma tendência for encontrada em alguns dos estados - a regularidade na direção

Eu fiz uma soma cumulativa.

Os estados 5 e 7 têm uma estrutura consistente , 5 é para a bai e 7 é para a aldeia

 
Maxim Dmitrievsky:

Agora eu quero adicionar aos parâmetros otimizados a dependência de sinais nas distribuições, eu fiz isso para o início, para ver

se a curtose for superior a algum valor (podemos optar por ela), então temos uma situação plana e é possível comprar/vender com a mesma probabilidade (e depois corrigir todas as erradas)

mais adiante na assimetria, se houver um certo lado, então a probabilidade do sinal para comprar ou vender é deslocada

Este é um primitivo, mas é a forma de selecionar os alvos no otimizador.

Porquê preços e não os seus incrementos?

1...119711981199120012011202120312041205120612071208120912101211...3399
Novo comentário
Razão: