Обсуждение статьи "Исследуем регрессионные модели для причинно-следственного вывода и трейдинга"
Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий
Rashid Umarov, 2025.07.05 12:58
Пишите по-русски в русской части. Все комментарии к статьям автоматические переводятся в каждой языковой ветке.
И также зедсь есть кнопка "Автоперевод", если ему так хочется прочитать на английском имеено здесь.
差不多，因为是在循环中根据阈值保留在测试样本表现优秀的模型，我也差别不多，我现在采用的方法，是用多个交易品种，2015~2020的数据做为训练数据，可以补充更多市场形态，做好统一尺度，再用2020~2022年的目标交易品种数据做筛选模型，最后2022到2025的目标交易品种数据做最后的检验
Hello Maxim, I downloaded the files, train using the exist csv file, and run the produced EA, and found the result is different with the one EA attached in zip folder.
I checked the parameters, and found no clue for this.
Would you please tell me what's the reason for this.
Thanks
Hello Maxim, I downloaded the files, train using the exist csv file, and run the produced EA, and found the result is different with the one EA attached in zip folder.
I checked the parameters, and found no clue for this.
Would you please tell me what's the reason for this.
Thanks
Привет. Покажите в чем отличия, так сложно угадать о чем речь.
Hello. Show me what the differences are, it's so hard to guess what we're talking about.
I use causal_regression_orig.py to produce ea header file, then compile ea.
The result is test_result pic in below.
There are so less trades than the one you posted.
So what’s the difference between these.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Исследуем регрессионные модели для причинно-следственного вывода и трейдинга:
В данной статье проведено исследование на тему возможности применения регрессионных моделей в алгоритмической торговле. Регрессионные модели, в отличие от бинарной классификации, дают возможность создавать более гибкие торговые стратегии за счет количественной оценки прогнозируемых ценовых изменений.
Бинарная классификация представляет собой фундаментальную задачу машинного обучения, целью которой является классификация входных данных по одной из двух различных категорий или классов. В контексте торгового бота на Форекс это обычно означает прогнозирование сигнала "купить" (представленного как 0) или "продать" (представленного как 1). Такой подход упрощает сложную динамику рынка до простого направленного решения.
Наиболее существенным внутренним ограничением бинарной классификации для количественной торговли является ее неспособность количественно оценить величину или интенсивность прогнозируемого движения цены. Бинарный классификатор лишь утверждает, будет ли цена двигаться вверх или вниз, не предоставляя никакой информации о том, насколько она, как ожидается, изменится. Отсутствие такой детализации принципиально ограничивает сложность торговых решений.
Точность предсказаний классификатора сама по себе не учитывает величину изменения, и поэтому не очень полезна для торговли. Этот аспект является ключевым, поскольку он подчеркивает, что высокая точность определения направления (например, прогнозирование правильного направления в 70% случаев) не автоматически приводит к прибыльности торговли.
Существует важное наблюдение, что высокая точность определения направления не гарантирует прибыльности. Например, можно быть правым в 30% случаев и быть прибыльным, или быть правым в 70% случаев и быть убыточным. Это демонстрирует, что чистый результат торговой стратегии определяется величиной прибыли по выигрышным сделкам по сравнению с величиной убытков по проигрышным сделкам, а не просто процентом выигрышей.
Автор: Maxim Dmitrievsky